一種基于形狀和遺傳算法的圖像檢索方法

吳曉燕

摘要：人們在圖像檢索的過程中就希望能夠簡便、快速、有效的檢索出目標圖像，從而順利達到解決問題的目的。但是隨著互聯(lián)網(wǎng)與多媒體技術(shù)的不斷發(fā)展，數(shù)字圖像數(shù)據(jù)庫已存儲了大量的圖像資源，因而這給人們快速、準確尋找到所需圖像并有效利用圖像資源出了一個大難題。面對這一情況，研究者們提出了一種基于遺傳算法的內(nèi)容圖像檢索方法，利用其最優(yōu)群體搜索的優(yōu)勢大大提高與縮短了圖像檢索的精度與時間。在此，該文將著重分析一種基于形狀和遺傳算法的圖像檢索方法。

關(guān)鍵詞：遺傳算法；圖像檢索；形狀；內(nèi)容；方法

中圖分類號：TP312 文獻標識碼：A 文章編號：1009-3044（2014）09-2026-02

當今是一個快餐式消費的時代，人們在高新科技的支持下開始接觸到大量的數(shù)字圖像信息，通過這些豐富的圖像資源來了解世界以及解決工作需求。但是，面對存儲量極大的數(shù)字圖像數(shù)據(jù)庫，這給人們快速、準確尋找到所需圖像并有效利用圖像資源出了一個大難題，為此人們不懈的研究出多種圖像檢索方法以攻克這一難題。據(jù)調(diào)查，當前主要以文本方式的圖像檢索系統(tǒng)來滿足人們對圖像檢索的需求，這種圖像檢索系統(tǒng)是建立在圖像文本關(guān)鍵詞索引基礎(chǔ)上，以相關(guān)數(shù)據(jù)庫技術(shù)做輔助來實現(xiàn)，簡單易行，較為成功的案例有“谷歌圖像搜索引擎”。不過這種基于文本的圖像檢索方法存在局限性，因圖像文本信息具有多義性，個人對圖像關(guān)鍵詞的理解有偏差，所以這在一定程度上會影響檢索效果的準確性。

對此，近些年的圖像檢索方法開始趨向于以內(nèi)容為基準的思路，通過提取圖像特征（包括紋理、色彩、形狀、空間關(guān)系等）并建立圖像特征矢量庫，如此人們就可以通過這種方法在圖像數(shù)據(jù)庫中檢索出匹配圖像。只是這種基于內(nèi)容的圖像檢索方法的有效性取決于圖像的特征提取及匹配選擇，一般圖像的特征提取與匹配選擇使用一種有效的檢索方法從大量的圖像特征中提出去最有效的特征。但由于現(xiàn)實中存儲在特征庫中的圖像多以向量形式為主，可能出現(xiàn)幾十維、上百維的特征向量存儲，這不利于用戶檢索出最優(yōu)特征的圖像。為解決這一不足，該文將嘗試利用形狀和遺傳算法來優(yōu)化圖像的特征提取，進而方便用戶快速檢索出最優(yōu)匹配的圖像。

1 遺傳算法的編碼過程

在基于內(nèi)容的圖像檢索方法中運用遺傳算法能夠有效提高檢索效果的準確性，利于滿足用戶對圖像檢索提出的快速、準確等高要求。而在檢索過程中需要歷經(jīng)5大步驟來實現(xiàn)：①首先在圖像檢索系統(tǒng)的圖像庫中隨機抽取大于0幅的S幅圖像，這些圖像將成為第1代樣本群體，以交互式遺傳算法的標準向用戶呈現(xiàn)樣本；②系統(tǒng)根據(jù)用戶搜索的對象需求來提取出每幅圖像，并由用戶來評價第1代樣本群體中的圖像；③這時，上一步驟中用戶對圖像的評價是系統(tǒng)計算出每幅圖像對應(yīng)染色體適應(yīng)度值的主要依據(jù)，而后通過選擇、交叉、變異等系列程序?qū)Φ?代染色體圖像群體進行遺傳操作，以便促成新一代染色體群體的生成；④系統(tǒng)依據(jù)新一代群體的染色體狀況從圖像庫中提取出數(shù)目為S的圖像，進而向用戶呈現(xiàn)交互式遺傳算法的新一代圖像樣本群體；⑤用戶在新一代樣本群體中尋找所需圖像，若找到匹配圖像即可結(jié)束檢索，反之回到步驟②繼續(xù)操作。不過，在交互式遺傳算法圖像染色體的編碼過程中，圖像問題的解需由域空間轉(zhuǎn)變?yōu)檫z傳算法空間，所以需要兼顧重視到圖像的物理特征及相關(guān)遺傳操作。

1.1 圖像顏色特征的抽取

圖像作為一種以視覺特征為主的表現(xiàn)載體，顏色特征是最容易簡單、分辨的視覺特征之一，其獨立在圖像其他特征（如尺寸、方向等）之外，不易受其他因素的干擾。因此，在圖像檢索方法中以顏色特征為基準，將圖像RGB顏色值作為物理特征的首選，這是基于內(nèi)容的圖像檢索方法的一大特色。如以圖像I為例，分辨率為[m×n]，像素p的位置處于[（i， j）]，其中（0[≤i

不過，若是在圖像特征表述中直接使用這些數(shù)據(jù)并將其作為圖像檢索過程的話就會產(chǎn)生兩方面的問題：①由于圖像存在分辨率、顏色特征向量長度的不同，在遺傳算法過程中圖像染色體通過對應(yīng)圖像的特征向量元素表示，特征向量的長度不同就會影響染色體長度的不同，這會令遺傳算法變得復(fù)雜化，且不易于控制；②鑒于一般圖像的分辨率較大，這會導(dǎo)致在圖像特征分析、抽取及遺傳算法實踐過程中消耗系統(tǒng)較多的時空資源，所以在此之前需要預(yù)先處理圖像的原始特征數(shù)據(jù)。當然，通過圖像顏色特征的抽取實驗可得出一個經(jīng)驗，就是鑒于人們大多關(guān)注圖像的大體特征及明顯特點，因而在圖像檢索領(lǐng)域中不需要考慮每個像素的特征值，可以根據(jù)具體情況來決定。

1.2 圖像形狀特征的抽取

在進行圖像形狀特征的實際抽取過程中，人們常采用關(guān)鍵點特征的方式來描述圖像的輪廓形狀，不過這種方式常常容易忽略到關(guān)鍵點之間輪廓曲線上的特征。因此，正確的圖像形狀特征抽取需要利用關(guān)鍵點來分割圖像形狀的輪廓，對于輪廓段的特征提取只需關(guān)注關(guān)鍵點間輪廓段上的四個結(jié)構(gòu)系數(shù)即可，就是線性、對稱性、方向性、歸一化長度。

如圖1，這是一個圖像的輪廓分隔段情況，將曲線AMB的中點用M來表示，AB的中點用P來表示，那么該圖像關(guān)鍵點輪廓段上的四個結(jié)構(gòu)系數(shù)就可以如下定義：①線段AB的長度與分隔段曲線AMB長度的比值范圍是[0，1]，是線性系數(shù)（q）的定義；②∠MAB與∠MBA兩角的差值范圍是[-π，π]，是對稱性（e）的定義；③∠MPA值的大小范圍是[0，2π]，是方向性（g）的定義；④分隔段曲線AMB與整個輪廓線長度的比值范圍是[0，1]，是歸一化長度系數(shù)（P）的定義。通過這四個結(jié)構(gòu)系數(shù)不僅將圖像關(guān)鍵點形狀特征清晰描述，而且還將分隔段曲線上的結(jié)構(gòu)特征描述得十分詳細清楚。

因此，在對一幅圖像進行形狀特征抽取時，首先需要提取N個關(guān)鍵點，進而劃分出圖像的N段曲線，通過上述方式計算的得出圖像的結(jié)構(gòu)系數(shù)M，且（M=4N）。于是，每個曲線段都有e、g、p、q四個形狀參數(shù)，在提取圖像矩特征、形狀特征的過程中就可得出一組圖像的特征向量，即[f=[?1，?2，?3，?4，?5，?6，?7，ei，gi，pi，qi]；i=1，...，N]。

1.3 基于遺傳算法的特征提取

實際上，運用遺傳算法來提取圖像特征的原理與圖像顏色特征抽取、圖像形狀特征抽取的原理相似。首先，假設(shè)在一幅圖像的輪廓上選取8個關(guān)鍵點，那么這幅圖像的輪廓就由8個曲線段組成，按每個曲線段有4個形狀參數(shù)來計算，這幅圖像共有32個形狀參數(shù)，通過上述圖像特征向量公式可得出：[f=[?1，?2，?3，?4，?5，?6，?7，ei，gi，pi，qi]；i=1，...，8]。于是乎，這幅圖像共有39個特征被提取而出，但要在這么多的圖像特征向量中檢索出最優(yōu)向量難度非常大，因而可以使用遺傳算法來檢索出一組最優(yōu)的特征向量來描述圖像。遺傳算法的是研究者借鑒達爾文生物進化論而提出的一種科學(xué)方法，在進行高維空間內(nèi)的圖像特征向量空間搜索時，可以模擬自然界強者生存的進化演變原理來得到最優(yōu)檢索結(jié)果，從而提高圖像檢索的效率與準確性。

一般情況下，GA（遺傳算法，genetic algorithm）可以定義為一個8元組，即[GA=（C，E，PO，M，Φ，Γ，Ψ，T）]。若在基于形狀的遺傳算法的圖像檢索中應(yīng)用GA進行參數(shù)最優(yōu)選取時，主要分為9大步驟：①進化代數(shù)以T來表示，取T=0；②編碼圖像特征中的[μpq]（中心矩參數(shù)）、[f]（形狀參數(shù)）；③以P（T）表示初始種群，通過隨機選擇來獲得；④個體的適應(yīng)度函數(shù)值E可使用樣本測試集來測試選擇結(jié)果，進而得出非準確率即為E；⑤對GA條件進行判別，若條件滿足可終止計算步驟，并直接進行第⑨步驟的操作；⑥取T=T+1；⑦應(yīng)用選擇算子在[P（T-1）]中選擇[P（T）]；⑧運用交叉、變異來操作[P（T）]，而后轉(zhuǎn)到第④步驟進行操作；⑨將最佳的[μpq]（中心矩參數(shù)）、[f]（形狀參數(shù)）輸出，而后測試集中的樣本，最終取得圖像的最佳特征。

2 實驗結(jié)果與仿真

通過上述形狀和遺傳算法的圖像檢索過程分析，對此我們可以在系統(tǒng)中開展仿真實驗，從而檢驗加入了形狀和遺傳算法的內(nèi)容圖像檢索方法的具體實驗結(jié)果。在此，該文將在Corel圖像庫中隨機提取出1206幅圖像進行仿真實驗，這些圖像是一個測試集，在實驗之前已將所有圖像的特征向量計算而出，而后運用不同的計算方法來檢索這一測試集中的所有圖像，檢索次數(shù)達到121次。同時，以PSO算法的檢索結(jié)果為例，將其運用遺傳算法得出的檢索結(jié)果進行對比，進而簡潔、清晰的比較出兩種算法的優(yōu)異性。