外觀專利圖像分類方法研究.pdf

1、隨著知識經濟和經濟全球化深入發(fā)展，知識產權日益成為國家發(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權的一項重要內容，我國政府、企業(yè)對外觀設計專利的保護越來越重視。通常專利圖像數據庫都是海量的，因此開發(fā)并發(fā)展基于內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圖像語義內容檢索的要求，還能提高檢索速度。因此，圖像根據語義分類是一個值得深入研究的領域。
　　 本文以外觀專利圖像的邊緣輪廓距離作為基礎數據，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，當圖像庫的數據量較小時，四種算法的分類效果較差，但隨著數據量的增大，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造，并將外觀專利

4、圖像特征數據作為分類器的輸入，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據作為試驗的數據集，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據集上分類的有效性。同時在相同特征數據的情況下，分析了不同分類方法對