基于粒计算多层次结构相似度的图像检索

第３ｌ卷第３期　广西师范大学学报：自然科学版　Ｖｏ１．３１　Ｎｏ．３　２０１３年９月　Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｘｉ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ　Ｓｅｐｔ．２０１３　基于粒计算多层次结构相似度的图像检索　马媛媛　，吕康　，徐久成　（１．河南师范大学计算机与信息技术学院，河南新乡４５３００７；２．河南省教育学院．河南郑州４５００４６）　摘要：图像的每个点都与特征空间中的一个点即特征向量相对应，因而图像之间的相似度是可以由这些特　征向量之间的距离来度量的。本文提出的基于粒计算的多层次结构相似度的智能图像检索系统，是一种统一　的利用粒计算公式和按相似度确定图像检索的方案。该方法不仅在图像的特征提取和匹配时都使用粒计算　方法，并且在分区检索和多特征检索等多个层面上综合使用粒计算，最大程度上提高了图像检索的智能化。　关键词：粒计算；多层次；图像检索；颜色　中图分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１００１—６６００（２０１３）０３—０１２７—０５　０　引言　１９９７年，Ｔ．Ｙ．Ｌｉｎ第一次提出了粒计算概念。粒计算是一种新的信息处理的概念和计算方法，粒计算　的基本思想就是用简单易求、低成本的足够满意的近似解代替精确解，它利用不精确、不完整、不确定和海　量信息的相容度实现智能系统或智能控制的易处理、鲁棒性、低代价，更好地刻画现实世界。数据库管理和　计算机图像的迅速发展，使得图像数据库检索成为当前的研究热点问题之一，也成为了国内外广泛关注的　焦点，并在许多领域都有应用——指纹识别、人脸识别以及交通违章车牌识别等。然而随着多媒体技术的　不断发展，对图像信息的检索以及各媒体信息的检索等也提出了更高的要求。基于粒计算的多层次结构相　似度的图像检索技术直接对图像内容进行分析并抽取特征，然后利用这些特征建立粒度索引并在多媒体　数据库中对图像信息进行检索。其关键技术是图像特征的定义和粒化提取以及基于所定义特征的图像内　容的分类和检索－１　ｊ。　人们总是试图努力用最少、最佳特征来表达和检索一幅图像或相关的目标。颜色是图像非常重要的视　觉特征，利用颜色特征进行图像检索技术一直受到人们的重视。这项技术涉及到３方面内容：①颜色的表　示；②颜色特征的提取；⑧相似性度量。这其中有２个问题需要解决：特征向量的提取和多层次特征向量　之间的相似度的度量。　本文采用粒计算的多层次相似度的度量方法，将已经标注的图像作为所属类的样本，对每个未标注的　图像用粒度对其特征向量与样本图像特征向量之间的距离和贴近度进行计算，再利用择近度原则将其他　图像与该图像相似的程度按从高到低进行排序，给出阈值，在规定阈值范围内的图像中选择最为相似的进　行反馈，从而达到预期的目的。　１粒计算的基本概念　粒计算是人们看待客观世界的一种世界观和方法论，也是人类求解问题的基础，其在数据挖掘、分类　问题、基于示例的学习、Ｄ—Ｓ理论、区间分析、定性推理、图像分割、分布式系统和软件工程等领域有着广泛　收稿日期：２０１３—０５—２８　基金项目：国家自然科学基金资助项目（６１０４００３７，６０８７３１０４，Ｕ１２Ｏ４６０９）；河南省科技攻关重点项目（１１２１００２１ｏ１９４）　通信联系人：徐久成（１９６３一），男，河南洛阳人，河南师范大学教授，博导。Ｅ－ｍａｉｌ：ｘｊｃｈ３７０１＠ｓｉｎａ．ＣＯ／Ｄ－　ｌ２８　广西师范大学学报：自然科学版　第３１卷　的应用前景。粒计算的基本思想是在问题求解中使用粒子，粒是元素的群、类或聚类。粒计算问题可以从　２个方面来进行研究：粒的构造和使用粒的计算。前者处理粒的形成、表示和解释，后者处理在问题求解中　运用粒。粒会随着距离的不同呈现出不同的状态，以一场大型演出的场景为例，观众距离舞台的远近不同，　看到的清晰度和演出场景的状态也不一样。距离近能够看清楚局部特征，但是不能把握宏大的场面；而距　离远能够把握宏大场面，但看不清楚局部特征。这里我们可以理解为离得近代表粒的层次低，离得远代表　粒的层次高。这就意味着粒具有多层次结构的特性，这种特性可以用距离体现出来。因此，为了准确描述　粒的多层次上的相似度，我们使用复合距离贴近度的方式进行计算和度量。　这里给出粒计算多层次距离贴近度的相关概念　定义１（公式）Ｌ１］设ＩＳ一（　，Ａ）是一个信息系统，　为论域，其中口∈Ａ是属性集Ａ上的属性，口是口　关于ｕ上的个体Ｘ的属性值，￣Ｏ－－￣－ａ（．．　），那么（ｎ，　）或ｎ　被称为粒计算中的一个原子公式。　公式可以由逻辑否定、合取和析取来形式描述，通过经典逻辑连接词将诸多（口，　）或ｎ　组合起来，则　可得到粒计算中的合式公式　［２　］。　设公式　是由一系列原子公式　构成的公式集合，　一｛　，　。，…，　），这里　是原子公式（　一１，２，　…，ｒ）。集合户　，户一｛Ｐ　，Ｐ。，…，Ｐ　），其中Ｐ　一｛Ｐ　Ｐ　…，Ｐ如）（足一１，２，…，ｍ，ｓ表示每个Ｐ　中包含　个特征信息），那么　（　）为集合户中的各向量对象通过公式　计算后达到层次　的相应的向量对象的　集合：　（　）一（Ｐ　ＩＰ　∈　，Ｐ＾∈　，志一１，２，…，ｍ，　＝１，２，…，ｈ）（＾表示层次的个数）。　（１）　定义２（隶属度）［。　设论域ｕ上的向量对象的集合户一｛Ｐ１，Ｐ。，…，Ｐ　）（户　Ｕ），Ｖ　∈ｇｔ（ｉ＝１，２，…，　ｒ），　（　）隶属于集合　的程度定义为：　；（　）一上　，（　：１，２，…，ｒ；　：１，２，…，＾）。　（２）　ｌ，Ｉ　显然，ｏ≤　；（　）≤１，　富ｚｉ　；（　）＝１。　定义３集合　和　之间的多层次距离定义为：　ｄ（Ｐ，　）一（∑∑ｌ　；（　）一心（　）Ｉ　）　，　（３　其中　为适当参数，ｒ为公式个数，ｈ为层次个数。　定义４设ｕ为论域，户、　∈Ｕ，称　’　（　，　）＝１－－ｃ［ｄ（Ｐ，　）　］　（４）　为户、　的贴近度，其中ｃ和ａ为适当选择的参数，ｄ（Ｐ，　）为　与　间的多层次距离。　多层次海明距离贴近度：　１　ｈ　，ｚ（Ｐ，龟）一１一　Ｉ　一心（　Ｉ。　（５）　２　图像颜色特征的提取和粒化　颜色是图像非常重要的视觉特征，也是图像检索中使用最广泛的底层特征，由于颜色对图像的平移、　旋转变换具有不变性，表现出相当强的鲁棒性，因此在图像检索中得到了广泛的应用。为了能用数字化表　达和描述图像的颜色直方图，本文提出一种基于粒计算的颜色特征粒化的定义和描述方法，该方法既保持　颜色直方图固有的特点，又能够在一定程度上反映图像颜色特征的空间分布特性。但是鉴于局部特征检索　和全局图像检索在准确率和查全率方面都有各自的优缺点，需要将他们的优点集于一个检索方法，摒弃其　缺点。前面我们提到粒具有多层次结构的特性，这符合颜色特征的图像检索要求，因此我们提出基于粒计　算的多层次结构相似度的图像检索方法［８］。　基于粒计算的颜色特征粒化是使用粒度将颜色特征构造成图像颜色粒的集合，使其成为在后续图像　第３期　马嫒嫒等：基于粒计算多层次结构相似度的图像检索　检索的粒计算中可以识别并能成功使用的粒集合，然后使用粒计算多层次距离贴近度对已经粒化的样本　图像与待检索图像间的相似度进行计算，最后根据相关技术进行反馈，从而实现高效精确的图像检索。　基于粒计算的多层次结构检索的关键技术和步骤如下：　①选取论域　：将待检索图像库作为论域　，则该图像库中所有的图像为论域中元素，设为Ｐ　，Ｐ。，　…，Ｐ　，即Ｕ＝｛Ｐ１，Ｐ２，…，Ｐ　｝。　②选取特征集合：ＲＧＢ模型是工业界的一种颜色标准，它几乎包括了人类视力所能感知的所有颜　色，是目前运用最广的颜色系统之一，故选取ＲＧＢ模型中的Ｒ值、Ｇ值和Ｂ值作为每幅图像的特征集合　中的特征值。根据大量的分析和计算，将颜色空间划分为３６个色区空间是最符合人类感知的，故本文采取　此方法，即Ｐ　一｛户　，户。，…，户　，…，户。　｝，而每个色区空间又分别包括３个特征值Ｐ　一｛　，户　Ｐ　。｝。每幅　图像的特征集合可表示为Ｐ　一（｛Ｒ　Ｇ　Ｂｐ１），｛Ｒ　Ｇ　Ｂｐ２），…，｛Ｒ　，Ｇ舯，Ｂ砷），…，｛尺　，Ｇ脚，Ｂ娜））。　③确定基于粒计算颜色特征的粒化公式：　：：１　．　Ｉ。　ＭＡＧＸ—ＢＭ　ＩＮ　×　Ｒ—ＭＡＸ　．　Ｂ—Ｒ　‘ＭＡＸ—ＭＩＮ　×　Ｇ＝ＭＡＸ　（６）　．　Ｒ—Ｇ　。ＭＡＸ—ＭＩＮ　×　Ｂ＝ＭＡＸ　ＭＡ　Ｘ　－ＭＩＮ２＝２＝＝＝—１　—『－一；；　（７）／　　３－－－ＭＡＸ。　（８）　④计算后得到数据库中图像的多层次向量　暑（　）及其集合。　⑤归一化：　（　１）一　；　（９）　；（　２）一　；（　２）；　（１０）　（　ｓ）＝　；（　ｓ）。　（１１）　１　ｈ　⑥利用粒计算的多层次贴近度公式　（Ｐ，Ｑ）－－１一上（ｒＸｈ）　ｊ　（　）一　（　）ｌ计算出待检索图　像与数据库中图像间的距离贴近度。若有贴近度满足规定阈值要求的一些图像，按从大到小对贴近度的值　进行排序，按用户的要求对阈值范围内的相应图像进行选择，从而达到图像检索的目的。　如观赏一场大型演出，距离舞台的远近不同看到的清晰度和演出场景的状态是不一样的。距离近能够　看清楚局部特征，但是无法把握宏大的场面；而距离远能够把握宏大场面，但看不清楚局部特征。图像检索　同样存在这样的问题，为了避免该问题的发生，我们提出多层次图像检索方法，尽可能趋利避害。其优点：　利用多层次结构进行粒计算和检索可提高查全率和准确率。　基于粒计算的颜色特征粒化算法：　输入：一个图像样本Ｐ。　输出：这个图像样本Ｐ的颜色特征的粒集　。　Ｓｔｅｐ　１：选定３６个色区空间；　Ｓｔｅｐ　２：提取该图像的特征值：尺值、Ｇ值和Ｂ值；　Ｓｔｅｐ　３：利用图像的颜色粒化公式（６）～（８）对每个像素的特征值进行计算，得到相应的　刍（　）及其集　合。　Ｓｔｅｐ　４：将　刍（　）归一化得　；（　）构成集合　；　Ｓｔｅｐ　５：结束。　第３期　马嫒嫒等：基于粒计算多层次结构相似度的图像检索　１３１　高，还有的检索系统只能在一个层面上使用相似性度量。本文提出的基于粒计算颜色特征的智能检索系　统，是一种统一的利用图像的粒计算公式和按相似度确定图像检索的方案。不仅在特征提取和匹配时都使　用粒计算方法，并且在分区检索和多特征检索等多个层面上综合使用粒计算，这种将粒计算贴近度应用到　图像相似度计算中的算法，可以提高检索的灵活性和系统的性能，满足某些实际应用场合的需要，并在一　定程度上避免了从低级特征到高级语义特征的语义鸿沟问题。另外，该算法可以大大提高图像检索的稳定　性，其表现要优于普通的检索方法。　参考文献：　［１］　刘清。刘群．粒及粒计算在逻辑推理中的应用［Ｊ］．计算机研究与发展，２００４，４１（４）：５４６—５５１．　［２］　马嫒嫒。徐久成，孙林．基于粒计算格贴近度理论研究［Ｊ］．河南师范大学学报：自然科学版，２００７，３５（１）：１１４．１１５．　Ｅ３］　刘清．Ｒｏｕｇｈ集及Ｒｏｕｇｈ推理［Ｍ］．２版．北京：科学出版社，２００３．　ｎｔｅｌｌｉｇｅｎｔ　ｓｙｓｔｅｍｓ　ｌ　ｃａｌｃｕｌｉ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｇｒａｎｕｌｅｓ　ｂｕｌｌｅｔｉｎ　ｏｆ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｒｏｕｇｈ　ｓｅｔ　ｓｏｃｉｅｔｙ　［４］　ＳＫＯＷＲＯＮ　Ａ．Ｔｏｗａｒｄ　ｉ［Ｃ］／／Ｎｅｗ　Ｆｒｏｎｔｉｅｒｓ　ｉｎ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ：Ｊｏｉｎｔ　ＪＳＡＩ　２００１　Ｗｏｒｋｓｈｏｐ　Ｐｏｓｔ—Ｐｒｏｃｅｅｄｉｎｇｓ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２００１：　２５１—２６Ｏ。　［５］　李鸿，马小平．粒的特征及形式化表示研究口］．计算机工程与应用，２０１１，４７（１１）：３－６．　［６］　葛寒娟，邱桃荣，王剑，等．一种基于相容信息粒原理的图像分类方法［Ｊ］．广西师范大学学报：自然科学版，２００８，２６　（３）：２２２—２２５．　［７］　徐久成，孟慧丽，牟占生．信息系统的粒度熵及基于粒度熵的属性约简算法［Ｊ］．广西师范大学学报：自然科学版，　２００８，２６（３）：ｌＯＯ—ｌＯ３．　［８］　李秀红．史开泉．一种基于知识粒度的属性约简算法［Ｊ］．计算机应用，２００６，２６（ｓ１）：７６—７７，８６．　Ｉｍａｇｅ　Ｒｅｔｒｉｅｖａｌ　ｏｆ　Ｍｕｌｔｉ－ｌｅｖｅｌ　Ｓｉｍｉｌａｒｉｔｙ　Ｂａｓｅｄ　ｏｎ　Ｇｒａｎｕｌａｒ　Ｃｏｍｐｕｔｉｎｇ　ＭＡ　Ｙｕａｎ—ｙｕａｎ　。ＬＵ　Ｋａｎｇ２，ＸＵ　Ｊｌｕ—ｃｈｅｎｇ　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈｅｎａｎ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉｎｘｉａｎｇ　Ｈｅｎａｎ　４５３００７，Ｃｈｉｎａ；　２．Ｈｅｎａｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｅｄｕｃａｔｉｏｎ，Ｚｈｅｎｇｚｈｏｕ　Ｈｅｎａｎ　４５００４６，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｅａｃｈ　ｏｆ　ｔｈｅ　ｉｍａｇｅ　ｐｏｉｎｔｓ　ａｒｅ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｗｉｔｈ　ａ　ｐｏｉｎｔ　ｏｆ　ｆｅａｔｕｒｅ　ｓｐａｃｅ　ｗｈｉｃｈ　ｉｓ　ｃａｌｌｅｄ　ｆｅａｔｕｒｅ　ｖｅｃｔｏｒ，ａｎｄ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｏｆ　ｉｍａｇｅｓ　ｃａｎ　ｂｅ　ｍｅａｓｕｒｅｄ　ｂｙ　ｔｈｅ　ｄｉｓｔａｎｃｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｆｅａｔｕｒｅ　ｖｅｃｔｏｒｓ．Ｍｕｌｔｉ—　ｌｅｖｅｌ　ｓｉｍｉｌａｒｉｔｙ　ｏｆ　ｉｎｔｅｌｌｉｇｅｎｔ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｇｒａｎｕｌａｒ　ｃｏｍｐｕｔｉｎｇ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｉｓ　ａ　ｓｃｈｅｍｅ　ｕｓｉｎｇ　ｕｎｉｆｉｅｄ　ｆｏｒｍｕｌａ　ａｎｄ　ｓｉｍｉｌａｒｉｔｙ　ｔｏ　ｒｅｔｒｉｅｖｅ　ｉｍａｇｅ．Ｔｈｅ　ｍｅｔｈｏｄ　ｕｓｅｓ　ｇｒａｎｕｌａｒ　ｃｏｍｐｕｔｉｎｇ　ｍｅｔｈｏｄ　ｎｏｔ　ｏｎｌｙ　ｉｎ　ｔｈｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ａｎｄ　ｍａｔｃｈｉｎｇ，ｂｕｔ　ａｌｓｏ　ｉｎ　ｐａｒｔｉｔｉｏｎ　ｒｅｔｒｉｅｖａｌ　ａｎｄ　ｍｕｌｔｉ—　ｆｅａｔｕｒｅ　ｒｅｔｒｉｅｖａｌ，ｗｈｉｃｈ　ｌａｒｇｅｌｙ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｉｎｔｅｌｌｉｇｅｎｔ．　Ｋｅｙ　ｗｏｒｄｓ：ｇｒａｎｕｌａｒ　ｃｏｍｐｕｔｉｎｇ；ｍｕｌｔｉ—ｌｅｖｅｌ；ｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ；ｃｏｌｏｒ　（责任编辑黄勇）