交互式遗传算法在基于内容的图像检索中的应用

基于内容的图像检索方法是根据图像所包含的色彩、纹理、形状以及对象的空间关系等信息，通过建立图像的特征矢量，并将其作为图像的索引来进行图像检索的技术，其检索效果与图像特征矢量的编码方式以及具体的图像检索方法都有着很密切的关系。为了提高图像的检索效率，提出了一种基于交互式遗传算法的图像检索方法，该方法首先采用“变均分单元”法对图像进行分割，并对图像的特征信息加以汇总，形成图像的特征矢量；然后在此基础上，使用“螺旋式”的图像拆分方式通过对图像特征数据进行编码来生成图像染色体，并使它参与遗传算法中的各种遗传操作。在图像的检索过程中，该方法采用交互式遗传算法，首先对系统在每一步提供的候选图像集进行评价，然后利用非均匀遗传算子来从图像库中选出接近用户需求的图像。进一步的实验肯定了其在基于内容的图像检索过程中的有效性，与其他相关工作的比较结果说明，该方法具有简捷、高效的特点。     

结合SVM的交互式遗传算法及其应用

交互式遗传算法在人机交互过程中．用户对每代的所有个体都要进行评估。针对个体数量较大．进化代数较多．用户容易疲劳这一问题。提出了一种改进算法。充分利用遗传初始阶段用户所选择的正例和反例信息．采用支持向量机构造分类器．在整个图像库中找出更多符合分类器的图像加入到遗传过程．以扩大遗传操作中好个体的个数．加速算法收敛．从而减轻用户疲劳；同时交互中不断扩大的样本集也使支持向量机分类器更加准确．从而建立比较完善的个性化的情感模型。本文将该算法应用于服装图像的个性化情感检索。实验结果表明．所提出的方法可以较好地减轻用户疲劳，检索出的图像较好地体现用户的个性化情感。     

一种新的图像语义自动标注模型

根据图像低层特征和高级语义间的对应关系,自动进行图像语义标注是目前图像检索系统研究的热点。简要介绍了基于图像语义连接网络的图像检索框架,提出了一种基于该框架的图像自动标注模型。该模型通过积累用户反馈信息,学习并获得图像语义,从而进行自动的图像标注。图像语义及标注可以在与用户交互过程中得到实时更新。还提出了一种词义相关度分析的方法剔除冗余标注词,解决标注误传播的问题。通过在Corel图像集上的对比实验,验证了该方法的有效性。     

基于遗传算法和信息熵的图像检索方法

采用信息熵描述图像的颜色和纹理特征,构造图像信息熵元组,以"螺旋方式"重新编码,参与遗传操作,采用颜色熵和纹理熵联合的欧氏距离测量图像的相似性,提出一种设计遗传算子图像检索的方法.试验验证,该方法在图像检索过程中非常有效.     

基于内容的情感图像获取模型

随着信息技术的迅猛发展，情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。其中，情感图像获取的研究属于多学科交叉研究，举文以形容词作为处理对象，借鉴认知心理学、绘画艺术的研究成果，在图像内容的基础上，提出了一种包括公共情感和个性化情感的情感图像获取模型。在该模型中，借鉴心理学中的“维量”思想，建立情感空间；同时，抽取图像的主色调、不变矩、颜色和灰度分布，这些较容易引起情感变化的特征作为图像的视觉特征，建立图像的特征空间；采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射，自动注释用户未曾评估的图像，实现了图像情感注释，在情感空间进行公共情感检索，快速获得用户情感信息，在此基础上，采用可视化交互式遗传算法实现因人而异的个性化情感检索，该模型应用于风景图像的情感检索，取得了较好的实验结果。     

一种基于粗糙集的相关反馈图像检索方法

针对如何在图像检索系统中客观地表达用户的感知，提出了一种基于粗糙集理论的相关反馈算法。通过相关反馈过程将用户感知与图像特征相结合，利用粗糙集理论归纳用户感兴趣的图像语义特征，并根据用户感兴趣的程度调整对应图像特征权重。作者建立了一个实验系统ISS，采用颜色直方图与语义特征作为图像特征，并实现MARS的反馈算法作为性能比较算法。实验结果表明，该算法较MARS系统在检索性能上有较大的提高。     

一种基于区域检测的图像检索相关反馈方法

提出一种基于用户兴趣区域检测的图像检索相关反馈学习方法,利用用户反馈为正相关的图像进行学习,进而猜测用户意图,获得更令用户满意的检索结果。该反馈学习方法的框架如下：1）对正相关的反馈图像与查询图像进行特征匹配;2）对匹配的特征使用RANSAC模型进行校准;3）进行区域选取。在选取了兴趣区域以后,可以将该区域直接抠取或将其中的特征点权值增强作为新的待查图像进行检索,提高检索的精度。实验表明本文方法可以返回更符合用户心意的检索结果。     

一种基于用户感兴趣区域的图像检索算法

利用图像全局特征的检索不能很好地检索用户想要的对象内容，而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法。针对上述两者的缺点，文中提出了一种基于用户感兴趣区域的图像检索算法。该算法首先对样例进行多分辨率树状分解，再由用户选择分解后的任意多个感兴趣的子图，提取子图的特征以进行相似性度量，并应用相关反馈以更好地捕获用户的检索意图。该方法无需对图像进行复杂的分割就能提取对象特征，且经由实验证明具有较高的查全率。     

一种基于感兴趣区域的图像检索算法

提出了一种基于感兴趣区域的图像检索算法，该算法以图像中用户感兴趣的目标为研究对象，使用一种改进了的区域分割算法对图像进行目标区域分割，采用伪Zemike矩提取分割出来的区域形状特征结合其它区域特征构成检索特征向量。本文还讨论了在检索系统中用户感兴趣的区域与分割后图像目标区域的映射关系。在实验系统中证明有较高的区域准确率。     

单幅图像训练深度神经网络的编辑传播方法

针对编辑传播技术中存在的需要选择合适图像特征、手动调整图像特征权重等问题,提出一种单幅图像训练深度神经网络的编辑传播方法.首先将用户交互转换成距离图并与输入图像级联生成多通道图像,有效地结合图像的视觉和空间特征;其次以多通道图像子块作为深度神经网络的输入,抽取符合用户交互的深度特征,并对深度神经网络进行端到端的训练,从而自动分配图像特征的权重;最后将学习的网络模型作为分类器,估计图像像素属于每类用户交互的概率值,进一步后处理获得高质量的图像编辑.采用MARA 1k数据的实验结果表明,该方法能够很好地响应用户交互以进行编辑传播.     

融合图像元数据的用户情感分类

为解决仅从图像域进行用户情感分析造成准确率低的问题,提出一种融合拍照情境特征和图像特征来预测用户情感类别的方法.对用户上传到网络上的图像,使用预训练的vgg19模型的特征提取层获取图像内容特征和图像纹理特征,从对应的图像元数据提取用户拍照情境信息,建立情境-情感的映射关系,通过embedding的方法得到情境特征的低维...     

Optimized image resizing using flow-guided seam carving and an interactive genetic algorithm

In this paper, we introduce a novel method for content-aware image resizing based on flow-guided seam carving. It extends the existing seam carving framework by replacing the conventional energy field with a “structure-aware” energy field that takes into account the feature orientations in the image. Guided by this new energy field, our approach excels in preserving (i.e., avoiding the distortion of) important structures in the image, such as shape boundaries. We also present a simple user interface to further optimize the resizing result based on the genetic selection process among multiple resizing operators such as scaling, cropping, and flow-guided seam carving. We show that such simple user interaction, coupled with the genetic algorithm, dramatically increases the chances of producing the user-desired outcome.     

基于人工免疫系统的遥感图像检索

为了提高遥感图像检索的有效性和准确性,提出了一种基于人工免疫系统的遥感图像检索算法。该算法根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,从而提高了系统对用户语义的理解能力。实验结果表明,该算法不仅能有效理解用户的反馈信息,而且能提高检索的准确性。     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

A human-oriented image retrieval system using interactive genetic algorithm

Content-based image retrieval has been actively studied in several fields. This provides more effective management and retrieval of images than the keyword-based approach. However, most of the conventional methods lack the capability to effectively incorporate human intuition and emotion into retrieving images. It is difficult to obtain satisfactory results when the user wants the image that cannot be explicitly described or can be requested only based on impression. In order to solve this problem and supplement the lack of the user's expression capability, we have developed an image retrieval system based on human preference and emotion by using an interactive genetic algorithm (IGA). This system extracts the feature from images by wavelet transform, and provides a user-friendly means to retrieve an image from a large database when the user cannot clearly define what the image must be. Therefore, this facilitates the search for the image not only with explicit queries, but also with implicit queries such as "cheerful impression," "gloomy impression," and so on. A thorough experiment with a 2000 image database shows the usefulness of the proposed system.     

基于遗传FCM算法和SVM的图像检索

提出基于遗传FCM聚类算法和SVM相关反馈的图像检索方法。首先对图像库提取颜色和纹理特征,采用遗传FCM聚类算法对图像进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。为了进一步提高检索精度,提出基于SVM的相关反馈算法。实验结果表明,提出的方法具有优良的检索性能。     

图像检索系统构建中的几个问题

本文对综合利用图像的内容特征和图像元特征以及将图像特征的自动提取和手工提取相结合,采用分布式结构和高效的查询接口,从而构建高效实用的图像检索系统中的一些问题进行了探讨.     

Content-based image retrieval methods

Creation of a content-based image retrieval system implies solving a number of difficult problems, including analysis of low-level image features and construction of feature vectors, multidimensional indexing, design of user interface, and data visualization. Quality of a retrieval system depends, first of all, on the feature vectors used, which describe image content. The paper presents a survey of common feature extraction and representation techniques and metrics of the corresponding feature spaces. Color, texture, and shape features are considered. A detailed classification of the currently known features’ representations is given. Experimental results on efficiency comparison of various methods for representing and comparing image content as applied to the retrieval and classification tasks are presented.     

基于自适应LBP人脸识别的身份验证

提出了一种自适应LBP人脸识别算法用于进行身份认证。在身份特征录入阶段,首先采用Harr人脸级联分类器对人脸样本库进行人脸区域检测,并使用PCA方法对人脸区域进行降维处理;然后通过LBP二值模式的人脸识别算法提取人脸样本的特征值;最后通过LBP人脸训练生成人脸数据特征库。通过多场景人脸图像库和阈值队列,通过多阈值全组人脸匹配,建立人脸阈值特征库。在身份验证阶段,将登录用户人脸与人脸阈值特征库做粗粒度人脸LBP直方图匹配,确定当前最优的LBP阈值;然后将登录用户人脸与人脸数据特征库做LBP直方图匹配,通过匹配结果确定登录用户的系统权限。实验结果表明,在图像和视频模式下,基于自适应LBP人脸识别算法的身份验证具有很高的鲁棒性。