一种改进粒子群分类算法的图像检索

摘要 传统基于内容的图像检索算法计算量大、精度低.为克服这些缺陷，在传统算法基础上，提出一种将图像匹配方法转化为根据模板图像数据，对目标进行锁定的方法：首先，将模板图像和源图像分区并取灰度直方图信息；然后，将寻找模板图像最相似的的问题转化成通过粒子群优化进行分类问题；最后，通过对相似度大的图像进行精确匹配得出最相似的图像.实验结果表明：基于粒子群和新分类算法的图像检索算法，能够在源图像数据库中快速匹配出相似的图像组,平均检索精度和查全率分别达到88.0％和93.3％，平均检索用时仅有3.48s