利用蚁群算法的记忆式图像检索方法

doi:10.3778/j.issn.1673-9418.2011.01.003

计算机科学与探索 ›› 2011, Vol. 5 ›› Issue (1): 32-37.DOI: 10.3778/j.issn.1673-9418.2011.01.003

利用蚁群算法的记忆式图像检索方法

陈光鹏+, 杨育彬

南京大学软件新技术国家重点实验室, 南京 210093

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-01-01 发布日期:2011-01-01
通讯作者: 陈光鹏

Memory-type Image Retrieval Method Based on Ant Colony Algorithm

CHEN Guangpeng+, YANG Yubin

State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210093, China

Received:1900-01-01 Revised:1900-01-01 Online:2011-01-01 Published:2011-01-01
Contact: CHEN Guangpeng

摘要/Abstract

摘要： 如何有效利用用户的相关反馈信息来进行基于语义的图像检索, 是一个具有重要意义并且极具挑战性的问题。介绍了一种基于蚁群算法的记忆式图像检索方法, 它是传统记忆式图像检索方法的一种改进。用蚁群算法的思想, 利用用户的反馈信息建立图像的语义网络, 并依据该语义网络用迭代的方法来检索图像。实验表明, 该方法不仅有效, 而且存储量小、计算量少。

Abstract: It is a significant and challenging issue to utilize relevant feedback of users effectively to implement the semantic-based image retrieval. This paper introduces a memory learning based image retrieval method by using the ant colony algorithm. It establishes a semantic network of images according to users’ relevant feedback based on the ant colony algorithm, and then retrieves images by using the semantic network iteratively. Experiment results show that this approach is effective and with less need of storage and computing.

Key words: image retrieval, relevant feedback, ant colony algorithm, memory learning, long-term learning, semantic network

中图分类号:

TP391

陈光鹏+, 杨育彬. 利用蚁群算法的记忆式图像检索方法[J]. 计算机科学与探索, 2011, 5(1): 32-37.

CHEN Guangpeng+, YANG Yubin. Memory-type Image Retrieval Method Based on Ant Colony Algorithm[J]. Journal of Frontiers of Computer Science and Technology, 2011, 5(1): 32-37.

[1]	莫亚东, 游晓明, 刘升. 融合奖惩学习策略的动态分级蚁群算法[J]. 计算机科学与探索, 2021, 15(9): 1703-1716.
[2]	孟静雯，游晓明，刘升. 结合协同机制与动态调控策略的双蚁群算法[J]. 计算机科学与探索, 2021, 15(11): 2206-2221.
[3]	殷绍伟, 彭力, 戴菲菲. 融合改进A*蚁群和滚动窗口法的平滑路径规划[J]. 计算机科学与探索, 2021, 15(10): 1969-1979.
[4]	潘晗，游晓明，刘升. 考虑动态导向与邻域交互的双蚁型算法[J]. 计算机科学与探索, 2020, 14(6): 1005-1016.
[5]	张德惠，游晓明，刘升. 融合猫群算法的动态分组蚁群算法[J]. 计算机科学与探索, 2020, 14(5): 880-891.
[6]	冯志雨，游晓明，刘升. 分层递进的改进聚类蚁群算法解决TSP问题[J]. 计算机科学与探索, 2019, 13(8): 1280-1294.
[7]	郭羽含，胡芳霞. 考虑匹配可行性的长期合乘问题建模与求解[J]. 计算机科学与探索, 2019, 13(11): 1894-1910.
[8]	朱宏伟，游晓明，刘升. 协同过滤策略的异构双种群蚁群算法[J]. 计算机科学与探索, 2019, 13(10): 1754-1767.
[9]	任珂欣，王兴伟，马连博，黄敏. 蚁群分工启发的ICN负载均衡机制[J]. 计算机科学与探索, 2018, 12(7): 1109-1116.
[10]	周书仁，谢盈，蔡碧野. 融合多尺度特征的深度哈希图像检索方法[J]. 计算机科学与探索, 2018, 12(12): 1974-1986.
[11]	闫蓉，高光来. 利用主题内容排序的伪相关反馈[J]. 计算机科学与探索, 2017, 11(5): 814-821.
[12]	张玉兵，宋威. 视觉特征的分块加权图像检索方法[J]. 计算机科学与探索, 2017, 11(3): 468-477.
[13]	林朝晖，于俊清，何云峰，管涛，艾列富. 高维分布式局部敏感哈希索引方法[J]. 计算机科学与探索, 2013, 7(9): 811-818.
[14]	王纯子，郭伟，张斌. 求解非线性混合整数规划的算法设计与仿真[J]. 计算机科学与探索, 2013, 7(9): 854-864.
[15]	曲怀敬1,2+ ,彭玉华1 ,吴延荣2 ,万洪林1 ,韩民1 . 一种主动感知的纹理图像检索方法[J]. 计算机科学与探索, 2009, 3(5): 550-560.

利用蚁群算法的记忆式图像检索方法

Memory-type Image Retrieval Method Based on Ant Colony Algorithm

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics