基于改进布谷鸟搜索算法的相关反馈图像检索

符保龙，张爱科

（柳州职业技术学院，广西柳州 545006）

基于改进布谷鸟搜索算法的相关反馈图像检索

符保龙，张爱科

（柳州职业技术学院，广西柳州 545006）

由于视觉低层特征与高层语义间存在“语义鸿沟”，基于内容的检索算法难以找到满足用户要求的图像，为了提高图像检索准确率，提出一种基于布谷鸟搜索算法的相关反馈图像检索方法（MCS）。首先分别提取图像的颜色、纹理、形状特征。然后根据用户的反馈信息，采用布谷鸟搜索算法动态调整特征的权值，从而建立满足用户实际偏好的图像相似度模型。最后采用仿真实验测试MCS的有效性。结果表明，相对于遗传算法、粒子群算法以及传统图像检索算法，MCS算法不仅提高了图像检索准确度，同时加快了图像检索效率，更好地满足图像检索要求。

图像检索;相关反馈;特征权值;布谷鸟搜索算法

随着数字图像技术和网络技术发展，图像数据呈几何级猛增，从海量图像数据中快速、准确检索出用户需要的信息显得日益重要，因此图像检索成为当前研究的热点［1］。

传统图像检索方式是利用人工检索方式，该方法工作量大、耗时多，而且结果具有主观性，检索结果往往差强人意［2］。随后，出现了基于内容的图像检索（CBIR）技术，其主要通过颜色、纹理、形状特征等描述图像内容，然后根据特征信息搜索用户感兴趣的图像［3］。由于图像检索系统的最终用户是人，而CBIR系统得到初始检索结果往往不能很好地满足用户要求，出现“语义鸿沟”的问题［4］。为了解决“语义鸿沟”问题，有学者把相关反馈（Relevance Feedback）技术引入到CBIR系统中，根据用户的反馈信息来提高系统的检索性能［5］。对于一幅图像，单一特征只能描述图像内容的部分信息，因此，通常提取多种图像特征进行图像检索［6］。在多特征的相关反馈检索过程中，为了反映不同用户的不同需求，需要对各特征的权值进行动态调整，保证图像检索逐步向用户感兴趣的方向发展，出现了基于遗传算法、粒子群算法对图像的特征权值动态调整，提高了图像检索精度，检索结果更加符合用户要求［7－8］。但是遗传算法、粒子群算法均存在各自的缺陷，易陷入局部最优，因此当特征权值选择结果不是全局最优时，图像检索效率和精度就相应较低［9］。

为了提高图像检索精度和效率，针对图像特征权值调整问题，提出一种改进布谷鸟搜索的相关反馈图像检索算法（MCS），在用户反馈过程中，通过全局搜索能力强的MCS动态调整图像特征权值，并通过仿真对比实验，证明该模型具有较好的有效性和优越性。

1 改进布谷鸟搜索算法和图像特征

1.1 改进布谷鸟搜索算法

布谷鸟搜索（Cuckoo Search，CS）算法模拟布谷鸟种群的寄生繁衍策略，并结合了鸟类及果蝇特殊的Levy flight模式，全局搜索能力强，适合用于多目标优化问题求解［10］。为了模拟布谷鸟的寻巢行为，CS设定了3个规则，具体为:

1）布谷鸟一次下一个蛋，代表待求解问题的一种解决方案，并随机放在一个鸟巢中进行孵化。

2）一部分鸟巢放着优质蛋，即好的解决方案，这些鸟巢将被保留到下一代。

3）可利用鸟巢的数量是固定的，布谷鸟蛋被寄主鸟发现的概率为Pa∈（0，1），一旦某个鸟巢被发现，寄主鸟就丢弃鸟蛋或者鸟巢，寻找新的鸟巢，以免影响寻找最优问题的解。

在这3个规则基础上，设x（t）i为第i个鸟巢在第t代的鸟巢位置，L（λ）表示随机搜索路径，那么布谷鸟寻巢的路径和位置更新公式为

式中:∂表示步长控制量;⊕表示点对点乘法。

位置更新后，随机产生一个［0，1］的数r，如果r＞Pa，那么x（t+1）i就进行随机改变，反之不变，最后保留测试值较好的一组鸟巢位置y（t+1）i，此时仍把记为x（t+1）i。

1.2 图像特征及相似度模型

为了从多个角度描述图像，提取多个可以反映图像信息的特征，即:颜色、纹理、形状。

定义1:给定一幅图像D，则图像的三元组模型为

式中:F={fi}表示一组特征集合;fi表示第i个特征;R={rij}特征fi的具体表示形式。

rij定义为

定义2:对于一个图像检索系统，图像相似度模型用于量化图像和图像之间的距离，采用欧几里得距离定义图像之间的相似度。设Q为查询图像，I为被查询图像，那么式中:drij（Q，I）表示在特征fi的第j个分量上的距离;wfi表示特征fi的权值;dfi（Q，I）表示两幅图像在特征fi上的距离。

在反馈过程中，利用布谷鸟搜索算法修改式（4）中的wfi，使得图像特征权值更加接近用户的需求，以提高图像的检索精度，并减少反馈次数，提高图像检索效率。

2 基于MCS的相关反馈图像检索算法

2.1 鸟巢位置的编码

为了便于解码，采用二进制方式表示对鸟巢位置进行编码，设共有n个图像特征，那么特征权值向量为:W=［w1，w2，…，wn］，这些特征组成一个鸟巢位置:C=［c1，c2，…，cn］，那么鸟巢位置的位置与权值转关系为

2.2 鸟巢位置优劣衡量标准

鸟巢被保留概率主要通过位置优劣来决定，采用图像检索结果的查全率和查准率作为鸟巢位置优劣衡量标准，即

式中:c为鸟巢位置;R（q，c）为查全率;P（q，c）为查准率;q为查询图像。

R（q，c）和P（q，c）定义为

2.3 图像检索算法的工作流程

步骤1:收集图像数据，并对图像预处理，消除图像中的噪声。

步骤2:分别提取图像的纹理、颜色、形状特征，并转化成相应的特征向量，同时对特征进行归一化处理。

步骤3:对图像特征赋初始权值。

步骤4:根据式（4）计算查询图像Q与查询库中每一幅图像的D（Q，I）值，根据距离进行排序，输出前n幅图像。

2）根据式（7）对鸟巢位置优劣进行评价，找到当前最优鸟巢x（0）b。

3）根据Levy flight对其他鸟巢进行更新，得到一组新的鸟巢位置，并根据式（7）对鸟巢位置优劣进行评价。

7）将最优鸟巢位置进行解码，输出图像特征的最优权值，并根据自动凋整好的特征权值跳转步骤3）。

3 仿真实验

3.1 仿真数据

为了检验MCS相关反馈图像检索算法性能，采用Corel－1000 database图像库中的图像进行仿真测试。Corel－1000 database其包含10类图像，每类100幅，共有1 000幅图像。在Intel Dual 2.8 GHz CPU，3 Gbyte RAM，操作系统Windows XP的环境中，采用C++实现图像检索算法。采用检测确准度（Perf）作为算法的性能评价标准，Perf定义为

式中:P表示查全率;R表示查准率;α =0.7;β=0.3。

3.2 结果与分析

3.2.1 与传统检索算法性能对比

采用单一颜色特征检索算法（Color）、单一纹理特征检索算法（Shape）、固定权值的多特征检索算法（Trad），这些算法均采用相关反馈技术。从Corel－1000 database中的每一类图像中，随机选择20图像组成测试的图像数据库，共200幅图像，检测结果如表1和图1所示。

表1 MCS与传统算法的反馈次数对比

图1 不同算法的检索性能对比

从图1和表1可知，在所有图像检索算法中，MCS算法性能最优，同时由图1和表1的对比结果可以得到如下结论:

1）采用单一特征（颜色或纹理）对图像进行检测，它们的检测确准度比较低，查询结果不理想，这主要是由于单一特征无法全面、准确描述图像信息，从而难以找到满足用户要求的图像。

2）相对于单一特征算法，传统多特征检索方法（Trad）的检测准确度较高，然而检索过程中，反馈次数比较多，反馈次数波动较大，对图像检索效率产生不利影响，这主要由于采用固定权值方法，权值的确定具有主观性、盲目性，不能描述每一种特征对检索图像的贡献。

3）MCS算法的检索准确度要高于对比算法Color、Shape和Trad，而且反馈次数要少于传统多特征检索算法，这主要是由于采用MCS算法对特征进行了选择，给出了更加准确、客观的图像特征权重，使得相似度模型较为符合用户的实际需求，从而提高了图像检索的精度和效率。

3.2.2 与遗传算法、粒子群算的性能对比

为了说明基于MCS的图像检索算法优越性，采用遗传算法（GA）、粒子群算法（PSO）优化图像特征权值的相关反馈检索方法进行对比实验。对于相同的数据集，GA、PSO检索结果如图2所示。从图2可知，相对于GA，PSO算法，MCS算法的检索准确度更高，这表明，采用MCS算法对图像特征权值进行确定，得到的权值更能够反映特征对检索结果的影响程度，权值更加科学、合理，得到更加满意的检索效果。

为了对比GA，PSO，MCS算法检索效率，统计每类图像的平均反馈次数，结果如表2所示。从表2可知，MCS算法的平均反馈次数只要3次，要明显低于GA，PSO算法5次，图像检索效率大幅度提高了，可以建立图像相似度模型较好地满足用户实际偏好，更好地满足图像检索的实时、在线要求。

图2 与GA，PSO算法的性能对比

表2 MCS，GA，PSO的反馈次对比

4 结束语

针对当前图像检索算法存在的检索精度低、效率低的难题，提出一种改进布谷鸟的相关反馈图像检索方法。首先分别提取颜色、纹理和形状等3种图像特征，克服单一特征无法准确描述图像信息的不足，然后将全局搜索能力强的布谷鸟搜索算法引入到图像相关反馈技术中，根据用户反馈信息，动态调整图像特征权值，对图像相似度模型进行不断修正，使图像检索向用户感兴趣的方向发展，减少反馈次数。仿真结果表明，相对于传统检索算法以及GA，PSO算法，MCS算法不仅提高了图像检索准确率，同时加快了图像检索速度，可以更好地满足用户的需求。

:

［1］WU Hong，LU Hanqing，MA Dongde.A survey of relevance feedback techniques in content － based image retrival［J］.Chinese Journal of Computer，2005，28（12）:1303－1314.

［2］HAN D，SONKA M，BAYOUTH J，et al.Optimal multiple－seams search for image resizing with smoothness and shape prior［J］.The Visual Computer，2010，26（6）:749－759.

［3］龙清.基于颜色特征的电视图像检索［J］.电视技术，2012，36（8）:68－71.

［4］龚淼，付正，张尤赛.综合BTC颜色矩和灰度共生矩阵的图像检索算法［J］.电视技术，2012，36（11）:30－34.

［5］JIANG Shuhong，HEN Bingfa.Method of image retrieval based on integrating low level feature with relevance feedback［J］.Machine Building and Automation，2009，38（3）:51－53.

［6］张振花，李波，邓伟文.基于粒子群算法的图像相关反馈研究［J］.系统仿真学报，2012，24（1）:126－130.

［7］BAI Xue，LIU Wanjun.Research of image retrieval based on color［C］//Proc.Forum on Computer Science Technology and Applications.New York:IEEE Press，2009:283－286.

［8］LIANG Jingmin.Image retrieval based on genetic FCM algorithm and support vector machines［J］.Computer Engineering and Applications，2009，45（20）:165－168.

［9］CUI Wencheng，SHAO Hong.Automatic feature weight assignment based on genetic algorithm for image retrieva1［J］.Computer Engineering and Applications，2008，44（2）:106－108.

［10］王凡，贺兴时，王燕，等.基于CS算法的Markov模型及收敛性分析［J］.计算机工程，2012，38（11）:180－182.

Relevance Feedback Image Retrieval Based on Modified Cuckoo Search Algorithm

FU Baolong，ZHANG Aike

（Liuzhou Vocational Technological College，Guangxi Liuzhou 545006，China）

Traditional retrieval algorithm is difficult to satisfy with the user’s requirements because of“semantic gap”between visual low－level features and high－level semantic，in order to improve the accuracy of the image retrieval，a relevance feedback image retrieval method based on modified cuckoo search algorithm（MCS）is proposed in this paper.Firstly，the color and texture of image are extracted，and then the cuckoo search algorithm is used to dynamically adjust the feature weights according to the feedback information of users，and the image similarity model is built to meet user actual preferences.Finally，the simulation experiments are carried out to test the performance of MCS.The results show that，compared with the genetic algorithm，particle swarm algorithm and traditional image retrieval algorithms，the proposed algorithm not only has improved the accuracy of image retrieval，and fastened the image retrieval speed，it can better meet the needs of image retrieval.

image retrieval;relevance feedback;feature weight;cuckoo search algorithm

TN911.73;TP391

A

【本文献信息】符保龙，张爱科.基于改进布谷鸟搜索算法的相关反馈图像检索［J］.电视技术，2014，38（3）.

广西教育厅科研项目（201106LX 745;201204LX593）

符保龙（1978— ），硕士，副教授，研究方向为信息检索、数据挖掘等;

张爱科（1973— ），女，硕士，副教授，研究方向为信息检索、数据挖掘、智能计算等。

责任编辑:时 雯

2013－04－07