[发明专利]一种基于聚类的图像查询方法

权利要求书

1.一种基于聚类的图像查询方法，包括以下步骤：

(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征；

(2)对描述图像内容的高维特征进行降维，得到特征子集；

(3)对特征子集构成的数据集进行聚类；

(4)对聚类得到的每个类分别建立索引；

(5)进行图像查询。

2.根据权利要求1所述基于聚类的图像查询方法，其特征是，步骤(1)中，提取颜色特征的步骤包括：①将图像固定划分为N块，N为大于或等于3的整数；②给每个分块赋予权重。

3.根据权利要求1所述基于聚类的图像查询方法，其特征是，步骤(2)中，对高维图像特征进行降维时，选择全局颜色矩来作为表征图像内容的特征向量。

4.根据权利要求1所述基于聚类的图像查询方法，其特征是，步骤(3)中，所述聚类是结合网格的样本密度聚类。

5.根据权利要求2所述基于聚类的图像查询方法，其特征是，图像固定分块数N＝5。

6.根据权利要求3所述基于聚类的图像查询方法，其特征是，选择全局颜色矩是选取颜色的一阶矩、二阶矩和三阶矩来作为表征图像的特征向量。

7.根据权利要求4所述基于聚类的图像查询方法，其特征是，所述结合网格的样本密度聚类具体包括如下步骤：①将降维后的低维数据空间划分成固定大小的网格；②计算每个网格中落入的样本数目得到每个格点的样本密度；③将格点按照其样本密度排序；④根据排序结果得到初始聚类的分类数和各分类的初始中心；⑤用模糊C均值方法来模拟数据点的分布，得到最终的聚类结果。

8.根据权利要求7所述基于聚类的图像查询方法，其特征是，所述步骤①将降维后的低维数据空间划分成固定大小的网格，确定网格划分数目包括如下步骤：(a)根据所有样本数据之间的平均距离确定网格边长；(b)根据网格边长得到网格划分的数目。

9.根据权利要求1所述基于聚类的图像查询方法，其特征是，所述步骤(4)中，在聚类得到的每一类中分别建立以R^*树为数据结构的树型索引。

10.根据权利要求1所述基于聚类的图像查询方法，其特征是，所述步骤(5)具体包括如下步骤：1)将目标图像中提取的特征向量与各聚类中心进行匹配；2)选择最相似的索引树进行检索，得到相似性匹配结果。