[发明专利]基于用户群优化的图像分类仿脑存储方法

权利要求书

1.一种基于用户群优化的图像分类仿脑存储方法，特征在于操作步骤如下：

a)建立图像数据表示模型：用于表示一幅图像的基本模型；

b)构建仿脑分布式存储系统：实现分布式的图像文件仿脑存储；

c)图像自动标注和分类：采用图像自动标注和分类的方法；

d)进行标注修正：通过人工干预来提高标注图像准确率；

在所述步骤a)中，建立图像数据表示模型的方法是：

图像数据模型借助模糊数学，使用五个模糊集来表示一幅图像的各层属性，同时保证这些图像的唯一性：

a-1)图像的原始数据；

a-2)图像的基本属性：包括文件名、图像格式、创建时间；

a-3)图像的低级特征：包括颜色、纹理、形状；

a-4)图像的语义特征：包括对图像的主观解释、低级特征理解；

a-5)图像低级特征和语义特征之间的关系；

具体描述如下：

图像数据表示模型G：

G＝(D，A，L，S，R)

其中，D表示图像的原始数据流，表示图像的基本属性：

A＝{(jpg，1.0)，(png，1.0)，(bmp，1.0)，...}.

L表示图像的低级特征：

L＝{(红色，0.6)，(蓝色，0.3)，(绿色，0.1)，...}

S表示图像的语义特征：

S＝{(花，0.5)，(树，0.2)(汽车，0.2)，...}

R表示图像L和S之间的关系：

R＝L×S

通过五个属性来表示一副图像，并保证图像的唯一性，描述如下：

在所述步骤b)中，构建仿脑分布式存储系统的方法是：

根据人脑存储数据的特点，构建一个类似的图像分布式存储系统；将属性相近的图像数据存储在物理上相临近的位置；

在所述步骤c)中，图像自动标注和分类的方法是：

使用四个方向的Gabor滤波值和一、二、三阶颜色矩组成特征值，使用支持向量机进行图片训练，并利用训练好的模型进行图像的自动标注和分类；

在所述步骤d)中，进行标注修正的方法是：对自动标注结果进行人工干预，用户对返回的标注结果进行判断并更正，反馈给标注和分类模块。