[發(fā)明專利]一種移動圖像在線搜索與挖掘的分類方法

在審

• 申請?zhí)枺?/td>: 201310161565.3
• 申請日: 2013-05-06
• 公開（公告）號: CN104142922A
• 公開（公告）日: 2014-11-12
• 發(fā)明（設(shè)計）人: 束蘭;黃裕新
• 申請（專利權(quán)）人: 蘇州普達(dá)新信息技術(shù)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 無
• 代理人: 無

技術(shù)領(lǐng)域

本發(fā)明涉及一種移動圖像在線搜索與挖掘的分類方法，屬于計算機(jī)應(yīng)用領(lǐng)域。

背景技術(shù)

圖像作為一種內(nèi)涵豐富，表現(xiàn)直觀的多媒體信息，備受人們的青睞，越來越多的商業(yè)活動、事務(wù)交易和信息表現(xiàn)包含圖像數(shù)據(jù)，特別是時興的網(wǎng)上購物，基本以圖像為主要形式向用戶展現(xiàn)信息，如何在海量圖像數(shù)據(jù)中進(jìn)行有效地檢索成為當(dāng)前研究的熱點(diǎn)問題，早期圖像檢索是基于圖像標(biāo)注文本的檢索，然而人工標(biāo)注費(fèi)時費(fèi)力，并且標(biāo)注也存在主觀性和不精確性，直接影響檢索的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的通過以下技術(shù)方案來實現(xiàn)：

一種移動圖像在線搜索與挖掘的分類方法，是一種將復(fù)合開關(guān)、電容器等有機(jī)地進(jìn)行集成的技術(shù)產(chǎn)品，屬于計算機(jī)應(yīng)用領(lǐng)域。其特征在于：利用移動終端具有獲取語音、圖像、視頻等信息靈活、方便的特點(diǎn)，開發(fā)出基于圖像檢索的拍照搜索與挖掘功能，通過對圖像各類特征的分類，自動提取圖像全局特征，使計算機(jī)圖像檢索系統(tǒng)更符合人類的思維習(xí)慣，解決用戶用文字進(jìn)行搜索的困難，為用戶提供更便捷的信息服務(wù)，具有深遠(yuǎn)的開發(fā)意義。

進(jìn)一步地，上述的一種移動圖像在線搜索與挖掘的分類方法，其特征在于：所述的分類方法是指給圖像附加上包含語義在內(nèi)的更高層的內(nèi)容信息，使計算機(jī)圖像檢索系統(tǒng)更符合人類的思維習(xí)慣，圖像語義標(biāo)注和檢索成為與CBIR密切相關(guān)的研究熱點(diǎn)，利用圖像全局特征并以一定的置信度為每幅圖像生成了一系列語義標(biāo)記。

更進(jìn)一步地，上述的一種移動圖像在線搜索與挖掘的分類方法，其特征在于：所述的語義標(biāo)注是指通過手工標(biāo)注為訓(xùn)練集加入標(biāo)注信息，并使用SVM分類器進(jìn)行分類，通過將顏色直方圖和邊緣直方圖等視覺特征與自定義的語義特征組合構(gòu)建特征向量的方法，使用模糊k-NN分類算法進(jìn)行分類。

更進(jìn)一步地，上述的一種移動圖像在線搜索與挖掘的分類方法，其特征在于：所述的分類是指通過兩個概率潛語義分析模型分別獲取訓(xùn)練圖像的視覺模態(tài)和文本模態(tài)的信息，將每幅圖像表示為兩種不同模態(tài)的主題分布。

更進(jìn)一步地，上述的一種移動圖像在線搜索與挖掘的分類方法，其特征在于：所述的分類方法采用基于最小錯誤率的優(yōu)化準(zhǔn)則和統(tǒng)計分類的思想，在訓(xùn)練分類器階段為每幅圖像提取一個特征集，利用多示例學(xué)習(xí)算法從多幅圖像的特征集中學(xué)習(xí)語義概念，從而為每個語義概念建立概率模型。

具體實施方式

一種移動圖像在線搜索與挖掘的分類方法，是一種將復(fù)合開關(guān)、電容器等有機(jī)地進(jìn)行集成的技術(shù)產(chǎn)品，屬于計算機(jī)應(yīng)用領(lǐng)域。其特征在于：利用移動終端具有獲取語音、圖像、視頻等信息靈活、方便的特點(diǎn)，開發(fā)出基于圖像檢索的拍照搜索與挖掘功能，通過對圖像各類特征的分類，自動提取圖像全局特征，使計算機(jī)圖像檢索系統(tǒng)更符合人類的思維習(xí)慣，解決用戶用文字進(jìn)行搜索的困難，為用戶提供更便捷的信息服務(wù)，具有深遠(yuǎn)的開發(fā)意義。

基于云計算的移動圖像搜索與挖掘系統(tǒng)框架包含兩個主要部分：云端和移動端。圖像數(shù)據(jù)一般存儲在WWW的Web數(shù)據(jù)庫中，云端主要實現(xiàn)圖像數(shù)據(jù)獲取、圖像數(shù)據(jù)存儲、圖像分割及組合特征優(yōu)化、圖像索引構(gòu)建和用戶興趣模型構(gòu)建等。云端首先根據(jù)移動圖像搜索需要從InterM的數(shù)據(jù)源獲取圖像數(shù)據(jù)，然后利用云計算的數(shù)據(jù)存儲與管理技術(shù)實現(xiàn)圖像數(shù)據(jù)的分布式存儲和管理。

圖像分割及組合特征優(yōu)化模塊首先建立移動圖像搜索需要的圖像分類數(shù)據(jù)的特征集合，然后對圖像進(jìn)行局部區(qū)域不確定性分割和采用強(qiáng)化學(xué)習(xí)獲得特定類別圖像的最佳聚類特征組合；索引構(gòu)建模塊是在圖像分割與組合特征優(yōu)化的基礎(chǔ)上，分別利用圖像塊和全局圖像語義構(gòu)建圖像的雙重索引，提高索引的準(zhǔn)確性和靈活性，同時對獲取的新圖像數(shù)據(jù)實現(xiàn)增量索引構(gòu)建；用戶興趣構(gòu)建模塊主要根據(jù)移動用戶近期訪問活動相關(guān)聯(lián)的圖像及其處理圖像的行為進(jìn)行統(tǒng)計和學(xué)習(xí)自動構(gòu)建用戶興趣模型，并隨著用戶興趣的變化，實現(xiàn)用戶興趣模型的更新，保持興趣模型的時新性。

移動端通過拍照上傳圖像進(jìn)行搜索，展示云端返回的搜索結(jié)果，并完成對返回結(jié)果的各種操作(例如：購買、收藏、保存等)。在移動用戶進(jìn)行搜索時，云端在圖像特征準(zhǔn)確匹配的基礎(chǔ)上，根據(jù)用戶興趣模型進(jìn)行個性化排列，同時還能基于用戶興趣模型開展個性化推薦服務(wù)。

本方法通過分析目前的圖像特征提取方法的基本思想、特點(diǎn)，研究建立適合于移動圖像搜索應(yīng)用的圖像分類數(shù)據(jù)特征集合，在此基礎(chǔ)上，進(jìn)一步研究基于云計算的圖像局部區(qū)域不確定性分割和特征組合優(yōu)化方法，獲得特定類別圖像的最佳聚類特征組合。