外觀專利圖像分類方法研究.pdf

1、隨著知識經(jīng)濟和經(jīng)濟全球化深入發(fā)展，知識產(chǎn)權(quán)日益成為國家發(fā)展的戰(zhàn)略性資源和國際競爭力的核心要素。外觀設計專利作為知識產(chǎn)權(quán)的一項重要內(nèi)容，我國政府、企業(yè)對外觀設計專利的保護越來越重視。通常專利圖像數(shù)據(jù)庫都是海量的，因此開發(fā)并發(fā)展基于內(nèi)容的外觀專利圖像檢索系統(tǒng)是十分必要的，同時具有深遠、重大的社會、經(jīng)濟效益。
　　 外觀專利圖像檢索系統(tǒng)在檢索過程中往往只是簡單的比較圖像視覺特征之間的相似度，并沒有按語義檢索圖像。而且圖像庫中的圖像通常

2、是海量的，順序檢索的計算量十分巨大，也是十分耗時的。針對以上問題，將這些圖像劃分為一些有意義的類別成為越來越迫切的需求，即實現(xiàn)自動分類。自動分類不但能滿足用戶根據(jù)圖像語義內(nèi)容檢索的要求，還能提高檢索速度。因此，圖像根據(jù)語義分類是一個值得深入研究的領(lǐng)域。
　　 本文以外觀專利圖像的邊緣輪廓距離作為基礎數(shù)據(jù)，在兼顧外觀專利圖像語義相似和低層特征相似時，分別使用支持向量機(SVM，SupportVectorMachine)、K均值聚類

3、、NJW譜聚類對外觀專利圖像分類，并提出一種基于均值的譜聚類特征向量選擇算法。針對上面四種分類算法，設計了一整套實驗方案用來外觀專利圖像分類。實驗表明，當圖像庫的數(shù)據(jù)量較小時，四種算法的分類效果較差，但隨著數(shù)據(jù)量的增大，分類準確率得到明顯的改善，并趨于穩(wěn)定的狀態(tài)。
　　 在簡要介紹外觀專利檢索技術(shù)和圖像分類方法現(xiàn)狀的基礎上，論文主要做了以下三個方面工作:
　　 (1)闡述了支持向量機的基本思想和分類器的構(gòu)造，并將外觀專利

4、圖像特征數(shù)據(jù)作為分類器的輸入，實現(xiàn)自動分類。
　　 (2)在兼顧外觀專利圖像語義相似和低層特征相似時，介紹使用K均值聚類算法實現(xiàn)外觀專利圖像分類的步驟。
　　 (3)介紹了譜聚類的基本原理和實現(xiàn)步驟，提出基于均值的譜聚類特征向量選擇算法，并將外觀專利圖像特征數(shù)據(jù)作為試驗的數(shù)據(jù)集，驗證K均值聚類算法、NJW譜聚類算法和基于均值的譜聚類特征向量選擇算法在該數(shù)據(jù)集上分類的有效性。同時在相同特征數(shù)據(jù)的情況下，分析了不同分類方法對