一种在线图像检索系统技术方案

本发明专利技术涉及一种在线图像检索系统，属于软件产品领域。其特点是：充分研究移动互联网、强化学习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的图像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法和基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检索系统，大大提高了检索效率，在软件产品领域取得巨大的进步。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种在线图像检索系统，属于软件产品领域。其特点是：充分研究移动互联网、强化学习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的图像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法和基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检索系统，大大提高了检索效率，在软件产品领域取得巨大的进步。【专利说明】一种在线图像检索系统
一种在线图像检索系统，属于软件产品领域。
技术介绍
据中国权威移动互联网第三方数据挖掘和整合营销机构艾媒咨询 (iiMediaResearch)发布的《2012Q3中国移动电子商务市场季度监测报告》显示，2011年中 国移动电子商务用户规模达到了 0.92亿人，到2012年底，中国移动电子商务用户规模将达 到1. 46亿人，同比增长58. 7%。预计到2015年底，移动电子商务用户规模将达到3. 48亿 人。2011年中国移动电子商务市场规模达到了 156. 7亿元，到2012年底，中国移动电子商 务市场规模将达到251. 5亿元，同比增加60. 5%。预计到2015年底，移动电子商务市场规 模将达到1046. 7亿元。移动电子商务正处于快速发展时期。
技术实现思路
本专利技术的目的通过以下技术方案来实现： 一种在线图像检索系统，属于软件产品。其特点是：充分研究移动互联网、强化学 习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的图 像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法和 基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检索 系统。 进一步地，上述的一种在线图像检索系统，其特征在于：所述的图像检索系统是基 于内容的图像检索，主要工作集中在识别和描述图像的颜色、纹理、形状、空间关系上，以及 图像特征匹配的相似度度量上，当图像特征提取和相似度度量方法确定以后，检索就变成 了在图像数据库中查找与给定的图像最相似的图像的过程。 更进一步地，上述的一种在线图像检索系统，其特征在于：所述的图像是对全局而 言，图像由所有图像块按某种语义关联关系（聚类索引）组成，相似的图像具有数量不等的 相同聚类索引。 更进一步地，上述的一种在线图像检索系统，其特征在于：所述的聚类是在图像分 割及组合特征提取的基础上，采用基于Map/Reduce的k-均值聚类算法对图像块实施聚类。 更进一步地，上述的一种在线图像检索系统，其特征在于：所述的聚类在其底层实 现上是把待聚类的图像块分散地存储于不同的数据节点上，每个块还可以复制若干份，存 储于不同的数据节点上，以达到容错目的，集群中的数据节点负责管理它所在节点上的存 储。 更进一步地，上述的一种在线图像检索系统，其特征在于：所述的图像检索是在图 像块聚类的基础上，将图像块聚类索引看作视觉关键词，所有的视觉关键词构成了视觉关 键词字典，图像将由一系列的视觉关键词构成的特征聚类向量表示。 【具体实施方式】 一种在线图像检索系统，属于软件产品。其特点是：充分研究移动互联网、强化学 习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的图 像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法和 基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检索 系统。 本项目主要研究内容之一为针对大规模图像数据研究图像分割及组合特征提取 问题。本项目拟从图像的分割入手，基于对局部图像特征和多特征组合的综合考虑，采用强 化学习方法研究图像的分割及组合特征提取问题。并采用D-S证据理论对学习结果进行融 合。 用户使用移动终端拍照得到的图像中的目标和背景的中心部分像素具有较高的 确定性，像素对于目标的隶属度大；而边缘部分由于受其他类别像素的干扰，具有较高的不 确定性，另外，用户对图像认识的主观性和搜索的需求也往往表现为不确定性，定性定量不 确定性转换模型能很好地表达概念的不确定性、降低概念分层的不确定性，可以有效地研 究图像分割中的不确定性问题，该项目采用定性定量不确定性转换模型的图像分割算法以 期解决传统图像分割算法对不确定性信息的忽视。 最终采用D-S证据理论对各个agent的学习结果进行融合。假设系统中有η个 agent,在所有的agent完成了一个周期的学习之后，对它们的Q表进行融合。归一化Q表 中的Q (s，a)值，利用D-S证据组合规则进行融合，首先对agentl和agent2的学习结果进 行融合，然后将融合结果与agent3进行融合，依次类推，共进行（n-1)次融合，每次融合都 是两个证据之间的融合。 由于海量的图像数据的特征抽取及指数级的特征组合，需要并行化地工作提高效 率。MapReduce不仅能用于处理大规模数据，而且具备自动并行化、负载均衡和灾备管理等 特性；并且MapReduce的伸缩性非常好，优于过去的大多数分布式处理框架，因此，本系统 采用了 MapReduce这个分布式处理框架来学习移动图像分类的特征组合。 据项目组对市场的前期调研，结合移动互联网、强化学习、图像搜索与挖掘技术的 移动图像搜索的公司还没有，目前国内不存在其他正面竞争对手，因此我们具有较大的优 势。项目组在移动互联网、强化学习、图像搜索与挖掘等方面具备较强的技术基础，能够保 证及时到位的技术服务，利用先发优势，该项目将具有很好的产业化前景。【权利要求】1. 一种在线图像检索系统，属于软件产品领域。其特点是：充分研究移动互联网、强化 学习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的 图像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法 和基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检 索系统。2. 根据权利要求1所述的一种在线图像检索系统，其特征在于：所述的图像检索系统 是基于内容的图像检索，主要工作集中在识别和描述图像的颜色、纹理、形状、空间关系上， 以及图像特征匹配的相似度度量上，当图像特征提取和相似度度量方法确定以后，检索就 变成了在图像数据库中查找与给定的图像最相似的图像的过程。3. 根据权利要求2所述的一种在线图像检索系统，其特征在于：所述的图像是对全局 而言，图像由所有图像块按某种语义关联关系（聚类索引）组成，相似的图像具有数量不等 的相同聚类索引。4. 根据权利要求3所述的一种在线图像检索系统，其特征在于：所述的聚类是在图像 分割及组合特征提取的基础上，采用基于Map/Reduce的k-均值聚类算法对图像块实施聚 类。5. 根据权利要求3所述的一种在线图像检索系统，其特征在于：所述的聚类在其底层 实现上是把待聚类的图像块分散地存储于不同的数据节点上，每个块还可以复制若干份， 存储于不同的数据节点上，以达到容错目的，集群中的数据节点负责管理它所在节点上的 存储。6. 根据权利要求3所述的一种在线图像检索系统，其特征在于：所述的图像检索是在 图像块聚本文档来自技高网...

【技术保护点】
一种在线图像检索系统，属于软件产品领域。其特点是：充分研究移动互联网、强化学习、图像搜索与挖掘理论的基础上，结合移动图像搜索的特点，研究基于并行强化学习的图像特征组合优化方法、结合图像物理特征与语义特征的图像特征聚类索引并行构建方法和基于逻辑强化学习的数据更新和新数据主动发现策略，设计出的一个实际的在线图像检索系统。

【技术特征摘要】

【专利技术属性】
技术研发人员：束兰，黄裕新，
申请(专利权)人：苏州搜客信息技术有限公司，
类型：发明
国别省市：江苏;32