一种移动图像在线搜索与挖掘的分类方法
【专利摘要】本发明涉及一种移动图像在线搜索与挖掘的分类方法，属于计算机应用领域。其特点是：利用移动终端具有获取语音、图像、视频等信息灵活、方便的特点，开发出基于图像检索的拍照搜索与挖掘功能，通过对图像各类特征的分类，自动提取图像全局特征，使计算机图像检索系统更符合人类的思维习惯，解决用户用文字进行搜索的困难，为用户提供更便捷的信息服务，具有深远的开发意义。
【专利说明】一种移动图像在线搜索与挖掘的分类方法
【技术领域】
[0001] 本发明涉及一种移动图像在线搜索与挖掘的分类方法，属于计算机应用领域。
【背景技术】
[0002] 图像作为一种内涵丰富，表现直观的多媒体信息，备受人们的青睐，越来越多的商 业活动、事务交易和信息表现包含图像数据，特别是时兴的网上购物，基本以图像为主要形 式向用户展现信息，如何在海量图像数据中进行有效地检索成为当前研究的热点问题，早 期图像检索是基于图像标注文本的检索，然而人工标注费时费力，并且标注也存在主观性 和不精确性，直接影响检索的准确性。
【发明内容】
[0003] 本发明的目的通过以下技术方案来实现：
[0004] 一种移动图像在线搜索与挖掘的分类方法，是一种将复合开关、电容器等有机地 进行集成的技术产品，属于计算机应用领域。其特征在于：利用移动终端具有获取语音、 图像、视频等信息灵活、方便的特点，开发出基于图像检索的拍照搜索与挖掘功能，通过对 图像各类特征的分类，自动提取图像全局特征，使计算机图像检索系统更符合人类的思维 习惯，解决用户用文字进行搜索的困难，为用户提供更便捷的信息服务，具有深远的开发意 义。
[0005] 进一步地，上述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所述的 分类方法是指给图像附加上包含语义在内的更高层的内容信息，使计算机图像检索系统更 符合人类的思维习惯，图像语义标注和检索成为与CBIR密切相关的研究热点，利用图像全 局特征并以一定的置信度为每幅图像生成了一系列语义标记。
[0006] 更进一步地，上述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所述 的语义标注是指通过手工标注为训练集加入标注信息，并使用SVM分类器进行分类，通过 将颜色直方图和边缘直方图等视觉特征与自定义的语义特征组合构建特征向量的方法，使 用模糊k-NN分类算法进行分类。
[0007] 更进一步地，上述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所述 的分类是指通过两个概率潜语义分析模型分别获取训练图像的视觉模态和文本模态的信 息，将每幅图像表示为两种不同模态的主题分布。
[0008] 更进一步地，上述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所述 的分类方法采用基于最小错误率的优化准则和统计分类的思想，在训练分类器阶段为每幅 图像提取一个特征集，利用多示例学习算法从多幅图像的特征集中学习语义概念，从而为 每个语义概念建立概率模型。
【具体实施方式】
[0009] -种移动图像在线搜索与挖掘的分类方法，是一种将复合开关、电容器等有机地 进行集成的技术产品，属于计算机应用领域。其特征在于：利用移动终端具有获取语音、 图像、视频等信息灵活、方便的特点，开发出基于图像检索的拍照搜索与挖掘功能，通过对 图像各类特征的分类，自动提取图像全局特征，使计算机图像检索系统更符合人类的思维 习惯，解决用户用文字进行搜索的困难，为用户提供更便捷的信息服务，具有深远的开发意 义。
[0010] 基于云计算的移动图像搜索与挖掘系统框架包含两个主要部分：云端和移动端。 图像数据一般存储在WWW的Web数据库中，云端主要实现图像数据获取、图像数据存储、图 像分割及组合特征优化、图像索引构建和用户兴趣模型构建等。云端首先根据移动图像搜 索需要从InterM的数据源获取图像数据，然后利用云计算的数据存储与管理技术实现图 像数据的分布式存储和管理。
[0011]图像分割及组合特征优化模块首先建立移动图像搜索需要的图像分类数据的特 征集合，然后对图像进行局部区域不确定性分割和采用强化学习获得特定类别图像的最佳 聚类特征组合；索引构建模块是在图像分割与组合特征优化的基础上，分别利用图像块和 全局图像语义构建图像的双重索引，提高索引的准确性和灵活性，同时对获取的新图像数 据实现增量索引构建；用户兴趣构建模块主要根据移动用户近期访问活动相关联的图像及 其处理图像的行为进行统计和学习自动构建用户兴趣模型，并随着用户兴趣的变化，实现 用户兴趣模型的更新，保持兴趣模型的时新性。
[0012] 移动端通过拍照上传图像进行搜索，展示云端返回的搜索结果，并完成对返回结 果的各种操作（例如：购买、收藏、保存等）。在移动用户进行搜索时，云端在图像特征准确 匹配的基础上，根据用户兴趣模型进行个性化排列，同时还能基于用户兴趣模型开展个性 化推荐服务。
[0013] 本方法通过分析目前的图像特征提取方法的基本思想、特点，研究建立适合于移 动图像搜索应用的图像分类数据特征集合，在此基础上，进一步研究基于云计算的图像局 部区域不确定性分割和特征组合优化方法，获得特定类别图像的最佳聚类特征组合。
[0014] 研究基于图像局部区域物理特征的并行聚类方法，在此基础上，构建图像的语义 相似度社会网络，并研究基于Map/Reduce的大规模社区分析方法构建图像的语义索引。结 合图像的物理特征与语义特征构建索引，使海量图像的索引更加准确。
[0015] 结合图像的物理特征和语义特征，研究基于云计算的用户个性化兴趣模型构建方 法，并研究采用兴趣衰减因子和增量更新技术的用户兴趣模型的并行更新策略，提高用户 兴趣模型构建和更新的效率。
[0016] 设计并实现基于云计算的移动图像搜索与挖掘系统，将该系统应用到时尚类商品 的购物搜索领域，当用户看到喜欢的商品时，用移动终端拍照就能搜索，解决了用户不能或 不愿用文字进行搜索的困难，为用户提供准确有效的购物决策信息，增强用户的购物体验。
【权利要求】
1. 一种移动图像在线搜索与挖掘的分类方法，属于计算机应用领域。其特点是：利用 移动终端具有获取语音、图像、视频等信息灵活、方便的特点，开发出基于图像检索的拍照 搜索与挖掘功能，通过对图像各类特征的分类，自动提取图像全局特征，使计算机图像检索 系统更符合人类的思维习惯，解决用户用文字进行搜索的困难，为用户提供更便捷的信息 服务，具有深远的开发意义。
2. 根据权利要求1所述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所 述的分类方法是指给图像附加上包含语义在内的更高层的内容信息，使计算机图像检索系 统更符合人类的思维习惯，图像语义标注和检索成为与CBIR密切相关的研究热点，利用图 像全局特征并以一定的置信度为每幅图像生成了一系列语义标记。
3. 根据权利要求2所述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所 述的语义标注是指通过手工标注为训练集加入标注信息，并使用SVM分类器进行分类，通 过将颜色直方图和边缘直方图等视觉特征与自定义的语义特征组合构建特征向量的方法， 使用模糊k-NN分类算法进行分类。
4. 根据权利要求3所述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所 述的分类是指通过两个概率潜语义分析模型分别获取训练图像的视觉模态和文本模态的 信息，将每幅图像表示为两种不同模态的主题分布。
5. 根据权利要求3所述的一种移动图像在线搜索与挖掘的分类方法，其特征在于：所 述的分类方法采用基于最小错误率的优化准则和统计分类的思想，在训练分类器阶段为每 幅图像提取一个特征集，利用多示例学习算法从多幅图像的特征集中学习语义概念，从而 为每个语义概念建立概率模型。
【文档编号】G06F17/30GK104142922SQ201310161565
【公开日】2014年11月12日 申请日期:2013年5月6日 优先权日:2013年5月6日
【发明者】束兰, 黄裕新 申请人:苏州普达新信息技术有限公司