外觀專利圖像分類技術(shù)研究.pdf

1、隨著知識經(jīng)濟蓬勃興起,世界各國越來越重視知識產(chǎn)權(quán)保護,專利發(fā)展水平成為衡量一個地區(qū)綜合實力、發(fā)展能力和核心競爭力的戰(zhàn)略性標志。因此,加快專利檢索技術(shù)的發(fā)展,提高專利檢索效率,對提高企業(yè)產(chǎn)品創(chuàng)新能力和市場競爭力,減少行業(yè)專利侵權(quán)糾紛,具有深遠而重大的社會、經(jīng)濟意義。
　　 基于內(nèi)容的的圖像檢索技術(shù)(CBIR,Content Based Image Retrieval)利用圖像的底層視覺特征(顏色、紋理、形狀等)代表圖像的內(nèi)容,由于

2、圖像的底層視覺特征與圖像的語義表達之間存在“語義鴻溝”,傳統(tǒng)的CBIR技術(shù)不能滿足人們按語義檢索圖像的需求。如果事先對圖像集合按語義進行合理地分類,會極大提高CBIR系統(tǒng)的性能。
　　 本文主要研究基于圖像底層視覺特征的圖像語義分類,首先使用針對外觀設(shè)計專利圖像的邊緣輪廓距離與分塊特征相結(jié)合的方法提取底層視覺特征,提出基于K-means聚類的分類索引方法,對專利圖像庫的數(shù)據(jù)兼顧語義相似和視覺特征相似地組織索引結(jié)構(gòu),在實現(xiàn)有效分類

3、的同時為后續(xù)的檢索節(jié)省時間?；贙-means的分類思想符合外觀專利圖像類間差異大,類內(nèi)相同視圖具有相似性的特點,對小型外觀專利圖像庫可以達到很好的分類效果,但K-means方法存在一定的局限性,比如受聚類中心初始化的影響導致穩(wěn)定性稍差的問題,SVM與傳統(tǒng)的建立在經(jīng)驗風險最小化基礎(chǔ)上的學習方法相比,在解決非線性、小樣本問題中表現(xiàn)出許多特有的優(yōu)勢,而且不存在局部最優(yōu)的問題,因此基于SVM的圖像分類可以很好彌補這K-means分類的不足,我