結(jié)合果蠅優(yōu)化PCNN和相位一致性的圖像檢索.pdf

1、隨著多媒體技術(shù)的快速發(fā)展，數(shù)字圖像的數(shù)量增長(zhǎng)十分迅速，如何從龐大的數(shù)據(jù)庫(kù)中高效地檢索出需要的信息是一個(gè)非常有實(shí)際意義和價(jià)值的課題?；谖谋镜膫鹘y(tǒng)圖像檢索已經(jīng)不能滿足人們的需要，所以基于內(nèi)容的圖像檢索(CBIR)迅速發(fā)展起來(lái)，現(xiàn)在已成為國(guó)內(nèi)外研究的熱點(diǎn)之一。目前，基于內(nèi)容的圖像檢索實(shí)現(xiàn)了智能化、自動(dòng)化的管理，主要利用圖像中的顏色、形狀和空間關(guān)系等一些可視化信息作為檢索的途徑。利用單一特征進(jìn)行圖像檢索，準(zhǔn)確性有待提高，所以基于多特征結(jié)合的檢

2、索方法被廣泛應(yīng)用。
　　現(xiàn)有基于顏色和形狀等特征組合的多特征結(jié)合方法不能有效地融合區(qū)域和邊緣信息，造成檢索準(zhǔn)確率不理想。為此，本文提出一種結(jié)合果蠅優(yōu)化PCNN和相位一致性的圖像檢索方法。由于脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)具有生物學(xué)背景的特性以及空間鄰近和亮度相似集群的特點(diǎn)，非常適合圖像處理。PCNN具有無(wú)需訓(xùn)練、閾值動(dòng)態(tài)可變和脈沖發(fā)放等特性，能夠很好地模擬生物神經(jīng)元的脈沖發(fā)放、疲勞和不應(yīng)期等現(xiàn)象，用于圖像處理時(shí)具有良好的旋轉(zhuǎn)、尺度和

3、信號(hào)強(qiáng)度不變性。PCNN模型的參數(shù)眾多，而且對(duì)圖像處理結(jié)果影響很大，往往需要人工設(shè)定。針對(duì)PCNN參數(shù)設(shè)置困難的問(wèn)題，本文采用全局尋優(yōu)、優(yōu)化速度快的新的群體優(yōu)化算法-果蠅優(yōu)化算法(FOA)，對(duì)于簡(jiǎn)化PCNN模型的三個(gè)關(guān)鍵參數(shù)進(jìn)行設(shè)定，并結(jié)合最大熵值準(zhǔn)則對(duì)圖像進(jìn)行分割和特征提取。相位一致性(PC)符合人眼視覺(jué)特性，不受亮度和對(duì)比度的影響，在圖像的特征提取方面具有優(yōu)勢(shì)。
　　本文利用PC提取出圖像的邊緣特征，通過(guò)邊緣特征獲取彩色邊緣特