一种基于神经网络提取图像特征的图像检索方法

《一种基于神经网络提取图像特征的图像检索方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据2006年5月第11卷第3期西安邮电学院学报May．2006JOURNALOFXI’ANUNIVERSITYOFPOSTANDTELECOMMUNICATIONSV01．11No．3一种基于神经网络提取图像特征的图像检索方法宁晓菊(西安邮电学院计算机系，陕西西安710061)摘要：脉冲耦合神经网络是新一代的人工神经网络，具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取，提出了一种新的图像特征——空间自适应类直方图，它既包含了图像的空间位置特征，又包含了图像的灰度特征。最后，我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作

2、为图像的特征应用于图像检索。大量实验表明本文方法的有效性。关键词：图像分割；特征提取；图像检索中图分类号：TEy751文献标识码：A文章编号：1007—3264(2006)03—0088—041概述随着大量图像库的广泛应用，图像的检索越来越引起人们的关注。近年来国内外在图像检索方面开展了不少研究，新提出的方法【l~4J大都基于图像的颜色和纹理特征。本文基于脉冲耦合神经网络(PCNN)，提取具有平移、旋转、尺度、扭曲不变性的图像的点火时间信号[5]5，作为图像的特征对图像进行检索，是一种新的图像检索方法。基于特征的图像检索方法【3J是通过对图像的分析和提取特征向量，并与图像库对应的特征库中的特征

3、进行匹配获得图像检索的结果。由此可知，基于特征的图像检索的关键是：第一，有效的特征提取方法；第二，准确的特征匹配算法。脉冲耦合神经网络(PCNN—pulsecoupledneu—ralnetworks)是在生物模型启发下产生的一种图像处理算法，它是基于Eckhorn提出的猫视觉皮层模型的一种拓展，适合于基于视觉内容的特征提取，而图像检索是基于图像的视觉内容的检索，因此，我们提出了运用脉冲耦合神经网络提取图像的视觉特征并基于此进行图像检索的方法。在接下来的部分，我们介绍图像激励脉冲耦合神经网络所获得的点火时间信号特征，并将此特征与图像的纹理特征相结合进行图像检索(见图1)。Stepfunctio

4、n图lPCNN神经元的简化模型2脉冲耦合神经网络模型简介脉冲耦合神经网络的简化数学模5／r到[63如式(1)所示：如(咒)=IoL4(竹)=Ⅵ∑％K如一1)％(72)=Fo(n)(14-5L巧(咒))(1)收稿日期：2005—11—17作者简介：宁晓菊(1979一)，女，陕西西安人，西安邮电学院计算机系助教。墨篁掌二弯氅中，一童堡煮翌蔓=蔓塑篓叠。p(％一t／v。O)，故在这时的。g(￡)记录的三曩吝象的万方数据妻‘2竺出l三曼鍪22对应神经元的运行行为方盖≥蚤信息』磊主杀舅毒芡爵翔。i蒿磊磊妄磊耍爵法0吲燮怒：Ⅵ．菡盖舅昌强蕊拦o”a”,-J的”。茹鞴赫磊≥!．1：冀睾蠢竺堂览筹；⋯、目⋯⋯

5、⋯菡茏赢基竿苫鑫的灰度分磊妊：嘉票蕊纛妥，摇』2耋麓慧竺￡璺t是黧型篓竺查茬赢兰藤慕二蓓；蒜器票拦端荔吾譬塑篆璺曼?：翌!奠曼≯冀誊崇堂譬芝冀：荨鬯黧望葛主舅言磊蕉夏爵蔷蓓善藉莩泰昌荛茎籍蒿亍现胭经元的点火为自然点火，其点火周期T(Xi)与像素～一“一”。⋯一”“1⋯“～”⋯“一⋯””丁(两)刊n(老)(2)(3)神经元之间的局部连接(即』9≠0)使得某个或某些神经元(i，J)的点火可引起其邻域内满足Xo／(1-t-皿加)≤X加

6、们知道图像的统计直方图痧(z)只包含了图像像素亮度的统计特征，或在一定意义上描述了图像的全局(整体)灰度特征；而不包含任何图像象素位置的空间特征。然而，我们认为图像的个性特征更多的体现在图像像素位置的空间特征上，PCNN的神经元的捕获点火正是由于PCNN神经元的局部连接特性和乘积耦合特性所带来：(1)当神经元(p，q)处于自然点火神经元(i，歹)的邻域内，(空间位置)(2)当神经元(乡，q)的灰度值z御满足式(3)时，(灰度关系)神经元(p，q)被元(i，j)捕获点火。因此PCNN神经元的捕获点火特性很好的反映了图像灰度的局部空间特性。为建立类似于图像直方图的但既包含图像整体灰度信息又包含有图

7、像局部空间信息的特征，我们引入点火时间信号口血籁1R鼎壬*≮《盘匝籁1R鼎岳卜*≤《(d)O图2一幅图像打乱前后口≠0时SAH的比较我们知道图像的整体灰度分布是图像特征的一个侧面，图像的个性特征更重要的表现在图像像素位置的空间特征上，这是直方图和卢=0时的类直方图所没能描述的特征，而正是PCNN基于局部连接(卢≠0)的神经元的捕获点火特性能够描述的特征。在PCNN中，由于引入了耦合，即口≠0，使得