基与结合遗传算法结合的直觉模糊集的检索方法(英文翻译)

《基与结合遗传算法结合的直觉模糊集的检索方法(英文翻译)》由会员分享，可在线阅读，更多相关《基与结合遗传算法结合的直觉模糊集的检索方法(英文翻译)（7页珍藏版）》请在毕设资料网上搜索。

1、PDF外文：http:/ 2009 年卷。  18，第 1 号  基 与 结合遗传算法 结合的直觉模糊集的 检索方法  WAN G Xiao2yin (王潇茵 ) 1 ,  XU Wei2hua (徐卫华 ) 2 ,  HU Chang2zhen (胡昌振 ) 计算机网络防御技术实验室，北京理工大学，北京 100081，中国 ；2。自动化站的陆军参谋航空系，北京 100012， 中 国   摘要： 本文提出了一种 基于直觉模糊理论和遗传算法相结合的 新的图像检索方法 ,旨在解决旧的方法的缺点。每个图像在垂直方向上被分割成一群数目恒定的

2、子图像 。 提取每 个子图像的 颜色特征 以 得到染色体编码。 我们认为 ，模糊的 部分 和直觉模糊犹豫 程度 与 每个像素的彩色图像 直方图有关 。 某些功能， 图像的模糊特征和 直观模糊特征，一起使用来描述图像内容。 高效 子图像 组合 根据选择操作，交叉和变异 被选出来 。 检索 的结果 是 根据 从这些 子图像 颜色特征组合 而获得的 。 测试结果表明 这种方法可 在不降低速度的情况下 提高图像检索的精度 。 其平均精度在 80以上。  关键词：直觉模糊，遗传算法，颜色直方图，图像检索   随着计算机技术和网络技术迅速发展，有越来越多的 信息 在互联网上传播。形象是

3、 重要 信息载体， 图像检索 技术 成为研究的重点。 图像 检索 最基础的任务是提取图像特征 。为了图像内容 表示 准确，形象特征应该 有 综合性和 完整性 。但如果 特征 数量太多， 那就 不太好 得到 检索 结果 。如何 完全表达图像和移除不影响 检索 准确度的无用特征 是一个问题。  利用模糊推理和遗传算法可以一定程度上解决这个问题。到目前为止，这个系统的图像 检索 仍然是罕见的。 邹 用粗糙 的设置 计算最简单的 图像的 视觉特征 子 集，并使用交互式遗传 算法 评价图像的功能 1。杨用 算法 估计交叉概率和 突变概率 基于模糊推理 技术 2。  Soodamani

4、用基于 先验知识 和 使用一个遗传算法 范式系统反馈路径的基础学习 ， 来设定一个特征模板 。普遍的问题是逻辑 模糊 和遗传 算法在优化搜索路径 时 不合 适 染色体编码进展。它使图像特征表达忽视  人类视觉的连续性和心理需要 的 认定。在本文中，我们运用直觉模糊编码理论中的染色体遗传 算法 进 行 搜索路径 的 优化 。它是根据图像的颜色特征。 当然 ，模糊性和 色彩的 直观 模糊 特征也是被 考虑 的 。然后选择，交叉和变异用于 有效地 优化图像特征 以提高图像 检索 系统 。  1 模型的图像检索系统  该系统包括图像色彩 特征表达 ，颜色特征的优化和 颜色

5、匹配 。遗传算法应用于 特征 优化，其中包括染色体选择，交叉和变异。流程图如图 1。   图 1图像检索系统模型流程图   首先，每个图像在垂直方向分割成一 组数量为 常数 的子图像，该 方法称为 “ 单位平均分割 ” 4。图片可以表示为每一个不同的组合 的子图像 的集合 。 子图像 像素用模糊理论 被表达出来并且有助于 所有颜色直方图 中 的 色彩因子的表达 。然后直观模糊集理论 被 诠释 出来 。因 此 ， 得到 了 模糊 部分和每个象素的 直观的颜色模糊犹豫 程度 ,这些都有一定的价值 。所有这些 特征形式构成每个象素的色彩特征 ，每个象素的色彩特征在遗传算法中 完成

6、 图像特征的编码 。然后通过选择处理功能，  交叉和变异，得到有效的 特征 。 最后 ，图像 检索 进度 根据图像的相似度 ,通过图像颜色特征的欧几里德距离 被 完成 。  2图像 检索 系统的算法  2.1颜色特征的算法      在计算过程中， 我们使用 HSV（ 色相饱和度值 ）空间 5的 颜色值。量化执行时，在图像的所有像素 在 HSV空间里 被映射到 n 种上 颜色（ 直方图上的 n个小箱型 ）。为了加快 检索 ，在图像中表达不流畅的色彩 应根据不同的应用排除。我们 在 Ref中 使用的算法 得到必要 颜色直方图（ CCH）

7、和模糊颜色直方图（ FCH），它 们分别表示为 Fn 1和 Cn 1形式 。对属于一些颜色像素的概率不能完全只使用 必要色彩直方图 或模糊颜色直方图 表示出来 。 被 Atanasso提出的 直观 模糊理论 7是   适用于我们的方法。 非隶属度 函数 用于改善颜色特征的表达。直觉模糊理论 的概念通过增加 模糊色彩特征 的 犹豫程度 表达出来 。接着 Hn 1矩阵产生   在这里 i是图像 象素对第 i种颜色值的非隶属度 。比较模糊颜色直方图与某些   颜色直方图，一些模糊量化噪声 就 可以找到。这种噪音是 通过直观的指数 可以消除 的 。从噪音来源， 已知的是，

8、 图像 像素的颜色犹豫 度是 与 色 彩 值 和模糊 颜色值之间的 某些区别 成正比的。   此外， 根据均衡器 还有一些特殊的颜色值。也就是说， 若 i= 0， 模糊 度可以达到最大 maxi这个特殊的 i 计算公式为   它描述了的是 图像的犹豫度 ， 根据当隶属度减少时第 i种颜色也会上升 因为 。为了满足均衡器 的限制 。   （ 2）（ 4） 一起使用，以获得 所有图像 像素中的 I到第 i个色彩值得 犹豫 度计算结果 度  。   显然， i是在 0， 1范围内 ，这是在 i定义 得到的 。据到 Cn 1和  Fn 1，模

9、糊度的矩阵 Hn 1就得到了 。  整合 上述言论计算   在直方图中 I到第 i个图像色彩值的所有图像特征值和 颜色特征 向量 ， Ej可以表示为    2.2颜色特征优化算法  2.2.1图像染色体编码      当 染色体编码 时， 图像颜色特征产生了在比赛中染色体集。在大多数图像 中 ，每一个对象的重要程度在整个形象的 表达中 是不同的。因此 ,单位平均分割 在 垂直方向 应用于图像分割 。 并且 它对应 于 视觉模式 。 在染色体编码的 过程中 ，我们保留重要区域 ，并删除不重要 区域 。  如

10、果在图像像素是 Mp N p， 分割而成得区域个数应是 r <N p。每一个地区   可以被视为对原始图像 的子图像 ， 并且 直方图 的元素可看作大量的 基因。每一个基因被表示为一个整数。 这些 整数是一些区域内的象素色彩特征 。 这些区域连在一起形成了整个图像的染色体 。假定每个区域的颜色直方图有 n种 颜色。染色体Ri是   在这里 是 必然 概率，模糊成员和 对第 g种颜色来说 k个区域内的 直观 犹豫度 。      Ri是每个区域的一个组合，每个组合 由图像的染色体组成是 空间中的一个候选决定。有 R！种组合。 由图像染色体组成的候选集合是  P = R1 , R2 , , Ri , 其中 i等于 1到 n， n是这个集合的数量。