基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度，检索速度和检索准确度都很低。针对此问题，提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类，在图像检索时先在GHSOM网络模型上找到相似的类，然后在相似的类上继续进行检索，大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构，更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则，用该准则来选择每个独立的SOM网络的生长参数，使得每个网络都能正确地表达映射到它的数据集的结构，提高GHSOM网络的聚类效果，从而提高检索的准确性。实验结果表明，改进的GHSOM算法得到了更好的聚类效果，基于它的图像检索方法提高了将近3倍的图像匹配速度，同时图像检索准确率也得到了一定程度的提高。