外觀專利圖像分類方法研究.pdf

1、隨著知識(shí)經(jīng)濟(jì)和經(jīng)濟(jì)全球化深入發(fā)展，知識(shí)產(chǎn)權(quán)日益成為國家發(fā)展的戰(zhàn)略性資源和國際競(jìng)爭(zhēng)力的核心要素。外觀設(shè)計(jì)專利作為知識(shí)產(chǎn)權(quán)的一項(xiàng)重要內(nèi)容，我國政府、企業(yè)對(duì)外觀設(shè)計(jì)專利的保護(hù)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(shí)具有深遠(yuǎn)、重大的社會(huì)、經(jīng)濟(jì)效益。
　　 外觀專利圖像檢索系統(tǒng)在檢索過程中往往只是簡(jiǎn)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(jì)算量十分巨大，也是十分耗時(shí)的。針對(duì)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(shí)現(xiàn)自動(dòng)分類。自動(dòng)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(gè)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(chǔ)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(shí)，分別使用支持向量機(jī)(SVM，SupportVectorMachine)、K均值聚類

3、、NJW譜聚類對(duì)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(duì)上面四種分類算法，設(shè)計(jì)了一整套實(shí)驗(yàn)方案用來外觀專利圖像分類。實(shí)驗(yàn)表明，當(dāng)圖像庫的數(shù)據(jù)量較小時(shí)，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(zhǔn)確率得到明顯的改善，并趨于穩(wěn)定的狀態(tài)。
　　 在簡(jiǎn)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(chǔ)上，論文主要做了以下三個(gè)方面工作:
　　 (1)闡述了支持向量機(jī)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(shí)現(xiàn)自動(dòng)分類。
　　 (2)在兼顧外觀專利圖像語義相似和低層特征相似時(shí)，介紹使用K均值聚類算法實(shí)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(shí)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(yàn)的數(shù)據(jù)集，驗(yàn)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(shí)在相同特征數(shù)據(jù)的情況下，分析了不同分類方法對(duì)