基于遗传算法进行特征选择和权重设置的图像检索

姜雪

(淄博职业学院 信息工程系, 山东 淄博 255314)

基于内容的图像检索CBIR(content based image retrieval)，直接利用图像的颜色、底纹、形状等底层图像内容作为检索特征来进行图像检索[1]。在特征提取方面，为了更全面地描述图像信息，提高图像检索精度，需要多提取图像的各种特征，如颜色特征、纹理特征、形状特征、角点特征[2]，语义特征[3]等。但实际情况表明，并非提取的特征越多检索效果越好。本文运用遗传算法对提取的图像特征进行选择，旨在去除冗余特征以降低特征的维数，减小计算的复杂性，缩短程序运行的时间，以提高图像检索效率；同时运用遗传算法设置多检索特征的权重，使特征有效融合，以达到更好的检索效果。

1 遗传算法

遗传算法(genetic algorithm，GA)是借鉴适者生存、优胜劣汰的生物界进化规律的随机化搜索方法，由美国的Holland教授于1969年提出[4]。遗传算法从代表问题可能解的一个初始种群开始，种群由经过基因编码的一定数目的个体组合而成。初始种群产生后，根据适者生存和优胜劣汰的原理，一代一代演化出越来越好的近似解。在每一代中，根据问题集中每个个体的适应度大小来选择个体，借助遗传算子按照一定的概率进行交叉和变异，产生下一代种群。这个过程将导致后代种群比前代更加适应环境，最后一代种群中的最优个体经过解码，可以作为解决问题的最优解。遗传算法流程如图1所示。

图1 遗传算法流程Fig.1 Flow chart of genetic algorithm

遗传算法的研究受到了国内外学者的广泛关注，近年来该算法已被成功地应用于工业、经济管理、交通运输、工业设计等不同领域，解决了很多实际问题[5-7]。……