[发明专利]图像聚类装置以及方法

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种图像聚类装置以及方法。

背景技术

随着数码相机和具有拍照功能手机的普及，图像的获取变得越来越容易。此外，互联网的快速发展以及web上图像共享网站的越来越流行，图像的数量正呈爆炸式增长，快速浏览和搜索所需图像因此变得费时费力。当前主要依赖图像的标签来辅助快速浏览，然而标签本身具有多义性、歧义性以及不准确性等限制，因此不能很好地解决该问题。

基于图像内容的图像自组织非常重要，它可以有效地辅助图像浏览。图像聚类（Image Clustering）是实现基于图像内容的图像自组织的一种有效方法，它以某种方式将相似的图像快速组合在一起。ClustTour是最近提出的一种对城市中景点图像进行聚类组织的方法，它首先分别利用图像的标签信息和视觉信息构建两个相似图，然后在这两个相似图上应用一个图聚类方法得到最终的聚类结果。

但是，发明人发现，现有技术中（例如ClustTour）只考虑了图像之间的链接结构，它仅仅利用了基于图的聚类方法，因此需要图像的标签信息，不能进一步提升聚类结果。

下面列出了对于理解本发明和常规技术有益的文献，通过引用将它们并入本文中，如同在本文中完全阐明了一样。

【参考文献1】S.Papadopoulos,C.Zigkolis,S.Kapiris,Y.Kompatsiaris and A.Vakali.ClustTour:City Exploration by use of Hybrid Photo Clustering,In Proceedings ofACM Multimedia,1617-1620,2010.

【参考文献2】X.W.Xu,N.Yuruk,Z.D.Feng and T.A.J.Schweiger.  SCAN:AStructural Clustering Algorithm for Networks,Proceedings of the 13th ACM SIGKDDinternational conference on Knowledge discovery and data mining,824-833,2007.

发明内容

本发明实施例提供一种图像聚类装置以及方法，目的在于进一步提高聚类结果的准确性，生成语义更加一致的类。

根据本发明实施例的一个方面，提供一种图像聚类装置，所述图像聚类装置包括：

第一聚类单元，对多个图像进行基于视觉特征的聚类以获得第一集合；

第二聚类单元，对所述多个图像进行链接结构的聚类以获得第二集合；

融合单元，通过视觉特征信息和链接结构信息融合所述第一集合和第二集合，来获得图像聚类的结果。

根据本发明实施例的另一个方面，提供一种图像聚合方法，所述图像聚类方法包括：

对多个图像进行基于视觉特征的聚类以获得第一集合；

对所述多个图像进行链接结构的聚类以获得第二集合；

通过视觉特征信息和链接结构信息融合所述第一集合和第二集合，来获得图像聚类的结果。

本发明的有益效果在于：通过融合基于视觉特征的聚类和基于链接结构信息的聚类，可以进一步提高聚类结果的准确性，生成语义更加一致的类。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

图1是本发明实施例1的图像聚类装置的一个构成示意图；

图2是本发明实施例2的图像聚类装置的一个构成示意图；

图3是本发明实施例2的融合单元的一个构成示意图；

图4是本发明实施例2的第一更新单元的一个构成示意图；

图5是本发明实施例3的图像聚类方法的一个流程图；

图6是本发明实施例4的图像聚类方法的一个流程图；

图7是本发明实施例4的图像聚类方法的另一个示意图；

图8是本发明实施例4的对第二子集进行更新的流程图。

具体实施方式