基于aiNet人工免疫网络的遥感图像检索

受多方面因素的影响,图像在特征空间中的分布是非常不均匀的,往往围绕多个中心。为了解决多个特征中心的问题,提出了一种基于aiNet人工免疫网络的遥感图像检索算法。该算法根据免疫网络机理及相关反馈技术,利用aiNet人工免疫网络对用户的反馈信息进行学习记忆,能有效寻找多个最优解,提高了系统对用户语义的理解能力。由于该网络具有减少冗余、多样性、学习和记忆的特性,避免了传统算法容易陷入局部最优的缺点。实验结果表明,该算法能有效理解用户的反馈信息,提高了传统检索方法的准确性。     

基于内容的图像检索技术

本文分析了基于内容的图像检索的关键技术以及各个阶段的研究特点,重点分析了基于颜色和纹理特征的图像检索技术。指出了目前研究中存在的主要问题并提出了今后的研究方向。     

基于内容的图像检索的视觉特征

本文简要介绍了基于内容的图像检索技术及其特点,重点论述了基于内容的图像检索中的常用关键技术-图像视觉特征的描述和提取。     

基于Q学习的新闻图像检索方法

针对新闻图像检索的应用特点,提出了一种多反馈、合作型的图像检索方法。通过构造动态的Q表,保存图像的折算累计反馈;设计从探索型逐渐过渡到利用型的图像选择策略;在方差分析的基础上,设计了多反馈综合方法,全面地获取用户检索需求,从而构造了基于Q学习的相关反馈检索算法。实验结果表明了该算法是有效的,并具有更高的性能。     

基于相关反馈的图像标注与检索算法

为了提高图像标注与检索的性能,提出了一种基于区域分割与相关反馈的图像标注与检索算法。该算法利用视觉特征与标注信息的相关性,采用基于区域的视觉特征对每幅图像采用聚类方法获得其一组视觉相似图像。通过计算与其距离最近的前3个分类的相似度,然后对这些关键字概率向量进行整合,获得最适合该图像的关键字概率向量,对图像进行标注。利用用户的反馈信息,修正查询关键词与每个分类之间的关系,进一步提高图像检索的准确性。实验结果表明,提出的算法具有更高的查准率与查全率。     

基于人工免疫系统的数字模式识别

将免疫机制和算法引入到数字识别问题,然后将数字识别问题的有关描述与免疫系统的相关概念及系统所用到的免疫原理对应起来,设计了用于数字识别的人工免疫系统模型。该模型具有学习、记忆、自适应和多样性等特性。算法仿真试验结果表明此方法具有识别率高、识别速度快的优点,具有广阔的应用前景。     

基于本体的图像检索

提出一种基于本体的图像检索方法,该方法首先采用改进的K均值无监督分割方法将图像分割成区域,然后提取每个区域的颜色、形状、位置、纹理等低层描述特征,应用这些特征定义一个简单的对象本体。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,提出的方法不仅可以提高检索效率,而且对于缩小低层视觉特征和高层语义特征之间的“语义鸿沟”具有很大的意义。     

基于人工免疫原理的NIDS系统和有关算法设计

给出一种基于人工免疫原理的网络入侵检测系统(NIDS)模型．它以频繁序列模式为基础建立自体模式集和异己模式集，随后给出了一种有效的模式编码算法．在这种编码基础上文章提出一种用于检测器生成的集否定选择和克隆选择为一体的算法．最后给出算法复杂性分析。     

基于内容的图像检索中的相关反馈算法

近几年,相关反馈算法作为解决图像检索问题行之有效的方法,受到人们越来越多的重视,各种各样的相关反馈算法层出不穷,该文回顾了早期的启发式相关反馈算法和近期的最优相关反馈算法,对现有的相关反馈算法进行了分析、总结和对比,并提出了今后相关反馈算法的发展方向。     

基于人工免疫系统的数据简化

针对数据简化中的实例选择问题,基于抗体克隆选择学说提出了一种免疫克隆数据简化算法.利用马尔可夫理论证明了该算法能以概率1 收敛.通过对7 个具有代表性的标准UCI 数据集的简化实验证明了该算法的有效性.通过实验分析了权值参数λ的取值变化对算法性能的影响,确定了其最佳取值区间.针对海量数据集简化时算法收敛较慢的问题,引入分层编码策略.通过对7 个大规模及海量数据集的简化实验表明了在进化代数不变的情况下,新的编码方式能够极大地提高算法的收敛速度,得到更为理想的结果.通过对Letter 和DNA两个数据集的实验给出了分层编码中层数t的最佳取值区间.     

基于多值免疫网络的多光谱遥感影像分类

提出了一种基于多值免疫网络的多光谱遥感影像分类方法.该方法用选取的训练样本对多值免疫网络进行网络训练,得到具有记忆功能的免疫网络结构,然后利用多值免疫网络对多光谱遥感影像进行分类.实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了88.84%和0.8605,因而具有实用价值.     

免疫算法在图像检索的应用

目前,基于内容的图像数据库检索己成为图像检索研究的主流,核心是图像相似性检索。其遇到的主要问题是检索的准确性需要进一步提高。由于免疫算法具有长期记忆和学习的能力,非常适合对用户的反馈信息进行长期的学习来提高系统对用户语义的理解能力。本文利用免疫算法的优点提出了基于免疫算法的图像检索模型并实现了一个原型化检索模型。对10000张corel图像库进行试验表明,相对于传统方法检索精度有了很大的提高。     

基于ROI的压缩域多谱段遥感图像的检索

根据JPEG2000对感兴趣区域优先编码,以及感兴趣区域的形状可随意选取的特点,提出了一种在JPEG2000压缩码流不完全解码的情况下,实现多谱段遥感图像感兴趣目标的检索方法,该方法利用了遥感图像的性质,根据例子图像的谱特征对感兴趣区域的内容进行分析,并设计了一套相似性度量的方法。实验结果表明,此方法有较理想的图像检索效果和很高的检索效率,解决了应用上对实时性的高要求与遥感图像库数据海量性之间的矛盾。     

基于克隆选择的多光谱遥感影像分类算法

为了对多光谱遥感影像进行更精确的分类，提出了一种基于克隆选择(clonal selection)的多光谱遥感影像分类算法。该方法首先应用基于人工免疫系统的克隆选择算法对样本进行自学习来得到全局最优的聚类中心，然后利用学习得到的聚类中心对整幅影像进行分类。由于克隆选择算法具有生物免疫系统自组织、自学习、自识别、自记忆的能力，不仅使得基于克隆选择的多光谱遥感影像分类算法具有非线性的分类能力，而且能够快速准确地得到全局最优解，从而克服了传统分类方法约束条件多、容易陷入局部最优的缺点。实验结果证明，基于克隆选择的多光谱遥感影像分类算法在分类精度上优于传统的分类方法，其总精度和Kappa系数分别达到了93．63％和0．915，因而具有实用价值。     

基于深度多相似性哈希方法的遥感图像检索

哈希方法由于低存储、高效率的特性而被广泛应用于遥感图像检索领域。面向遥感图像检索任务的无监督哈希方法存在伪标签不可靠、图像对的训练权重相同以及图像检索精度较低等问题,为此,提出一种基于深度多相似性哈希（DMSH）的遥感图像检索方法。针对优化伪标签和训练关注度分别构建自适应伪标签模块（APLM）和成对结构信息模块（PSIM）。APLM采用K最近邻和核相似度来评估图像间的相似关系,实现伪标签的初始生成和在线校正。PSIM将图像对的多尺度结构相似度映射为训练关注度,为其分配不同的训练权重从而优化深度哈希学习。DMSH通过Swin Transformer骨干网络提取图像的高维特征,将基于语义相似矩阵的伪标签作为监督信息以训练深度网络,同时网络在两个基于不同相似度设计的模块上实现交替优化,充分挖掘图像间的多种相似信息进而生成具有高辨识力的哈希编码,实现遥感图像的高精度检索。实验结果表明,DMSH在EuroSAT和PatternNet数据集上的平均精度均值较对比方法分别提高0.8%～3.0%和9.8%～12.5%,其可以在遥感图像检索任务中取得更高的准确率。     

Solving Multiobjective Optimization Problems Using an Artificial Immune System

In this paper, we propose an algorithm based on the clonal selection principle to solve multiobjective optimization problems (either constrained or unconstrained). The proposed approach uses Pareto dominance and feasibility to identify solutions that deserve to be cloned, and uses two types of mutation: uniform mutation is applied to the clones produced and non-uniform mutation is applied to the not so good antibodies (which are represented by binary strings that encode the decision variables of the problem to be solved). We also use a secondary (or external) population that stores the nondominated solutions found along the search process. Such secondary population constitutes the elitist mechanism of our approach and it allows it to move towards the true Pareto front of a problem over time. Our approach is compared with three other algorithms that are representative of the state-of-the-art in evolutionary multiobjective optimization. For our comparative study, three metrics are adopted and graphical comparisons with respect to the true Pareto front of each problem are also included. Results indicate that the proposed approach is a viable alternative to solve multiobjective optimization problems.     

基于Gabor滤波器的遥感图像纹理查询方法

介绍了一种基于Gabor纹理特征的遥感图像检索方法。利用Gabor滤波器对图像进行多分辨率分解,提出了一种改进的基于滤波图像及图像能量的纹理特征提取方法,利用尺度、方向、纹理结构构成特征向量,使用归一化欧氏距离进行了相似性判断。该方法计算过程简单、快速,提高了方向判别的可靠性。仿真实验和实际运用验证了该算法的有效性。     

基于深度特征字典学习和Largevis的遥感图像检索

提出了一种基于深度特征字典学习和Largevis的遥感图像检索方法。该方法以Inception v4为骨干网络,提取了第一个Reduction Block输出的特征图,并对其进行重组。然后利用K均值聚类算法对重组后的特征进行训练,构造深度特征字典。基于深度特征字典,对卷积特征图进行量化,得到紧凑的特征表示向量,将其与全连接层特征相结合,形成图像特征表示向量。为了避免“维度灾难”的问题,采用Largevis降维方法对图像特征表示向量进行降维。采用L2距离度量方法对降维后的特征进行相似性比对,实现了遥感图像的检索。在RS19、UCM和RSSCN7数据集上的实验结果表明,与现有的方法相比,该方法能获得更好的检索性能。