一种基于多智能算法及图像融合技术的图像检索方法

摘要

本发明公开了一种基于多智能算法及图像融合技术的图像检索方法，该方法以强化学、遗传算法和聚类算法为基础，构建一个主动学的智能学框架，在相关反馈过程中利用图像融合技术和遗传算法，修正查询向量和相似度匹配模型，提高了查询精度和查询效率。本发明的优点是查询精度和查询效率较高，对于平移、旋转和尺度变换具有较强的鲁棒性，同时在一定次数的查询学之后，可以实现智能检索，更进一步提高查询精度和查询效率。

主权项

一种基于多智能算法及图像融合技术的图像检索方法，其特征在于，提供一用于检索的图像数据库和一聚类信息库，所述聚类信息库用于动态存放具有相似特征的一类图像的类别信息；检索方法包括以下步骤：(1) 输入查询图像，并提取特征，获得原始查询向量Q=(D,F,R)，其中D表示一幅原始图像；F={f_i}表示一组特征集合，其中f_i表示第i个特征；表示特征f_i的j个具体表示形式；(2) 在聚类信息库中查找查询图像的类别信息，如果不存在转入步骤(3)，如果存在转入步骤(4)；(3) 根据遗传算法，获取特征组合参数，并利用强化学习算法，做信息采集存储，所述信息采集存储是指对图像的类别及权重进行存储，转入步骤(5)；(4) 利用强化学习机制得到的信息，根据当前图像的所属的类别，取得该类别所对应的权重组合，转入步骤(5)；(5) 在图像数据库中进行检索，返回检索结果，如果用户对结果满意，则检索结束，检索结束时，利用算法选择是否需要进行归并，如需要，则将图像信息归并或更新到聚类信息库，聚类操作利用基于遗传算法的K‑Means算法实现；如果用户对结果不满意则转入步骤(6)；(6) 用户选择检索结果中符合用户需要的图像，结合用户的选择的图像，记做O’，利用图像融合技术，修正查询向量Q，同时由O’及在图像数据库中随机抽取的图像更新测试集T，将测试图像Q’更新为当前的查询向量Q，转入步骤(3)。