專利名稱：一種基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像檢索技術(shù)，屬于多媒體檢索、計算機(jī)視覺、圖像處理、模式識 別等領(lǐng)域，特別涉及一種基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法。
背景技術(shù)：
隨著經(jīng)濟(jì)全球化的深入發(fā)展和知識經(jīng)濟(jì)的蓬勃興起，專利發(fā)展水平已成為衡量一 個地區(qū)綜合實力、發(fā)展能力和核心競爭力的戰(zhàn)略性標(biāo)志。外觀設(shè)計專利一直被譽為“小專 禾|J，大市場”，在市場競爭中發(fā)揮著舉足輕重的作用，是增強企業(yè)競爭力的重要因素。從發(fā)達(dá) 國家來看，無論是申請專利、實施專利，還是運用知識產(chǎn)權(quán)戰(zhàn)略進(jìn)行競爭，企業(yè)和行業(yè)都是 最為活躍的主體。企業(yè)之間的技術(shù)競爭歸根結(jié)底表現(xiàn)在兩個方面，一個是在獲得新技術(shù)方 面進(jìn)行競爭，另一個是在利用新技術(shù)方面進(jìn)行競爭，通過加強專利文獻(xiàn)利用，讓企業(yè)利用成 熟和先進(jìn)技術(shù)，提高產(chǎn)品開發(fā)的起點和水平。作為專利信息的一個重要類型，外觀設(shè)計專利 文獻(xiàn)詳細(xì)闡述了產(chǎn)品外觀設(shè)計內(nèi)容，可為企業(yè)和設(shè)計者提供相關(guān)的專利技術(shù)信息并開闊思 路，提高設(shè)計的起點和效率，避免重復(fù)研究，避免侵權(quán)行為，同時又可以找到技術(shù)突破口，指 導(dǎo)企業(yè)設(shè)計人員的設(shè)計方向。有統(tǒng)計指出從經(jīng)濟(jì)效益角度講，專利文獻(xiàn)的有效的被借鑒利 用可以使得科研開發(fā)經(jīng)費減少30% _40%，研究開發(fā)時間縮短50% _60%，大幅度地降低技 術(shù)成本。目前由于企事業(yè)單位知識產(chǎn)權(quán)保護(hù)和應(yīng)用意識日益增強，外觀設(shè)計專利申請的數(shù) 量不斷增多。以中國為例，到2009年底為止，授權(quán)的外觀設(shè)計專利就達(dá)到114萬余件，按照 每個外觀設(shè)計專利有6個視圖計算，將有684多萬張專利圖。面對數(shù)以百萬的外觀設(shè)計專利圖像，如何快速、有效地查找感興趣的外觀設(shè)計專 利是目前外觀設(shè)計專利應(yīng)用面臨的一個重要問題。目前的實際應(yīng)用的系統(tǒng)主要采取基于 文字的檢索方式，如通過輸入專利號、專利名稱等關(guān)鍵字進(jìn)行檢索。而我國專利法明確規(guī) 定“外觀設(shè)計專利權(quán)的保護(hù)范圍以表示在圖片或者照片中的該外觀設(shè)計專利產(chǎn)品為準(zhǔn)”，因 此，外觀專利圖像是表達(dá)外觀設(shè)計專利內(nèi)容的主要載體，用戶往往更關(guān)心外觀設(shè)計圖像的 內(nèi)容，因此該種方法不能有效地滿足用戶對基于圖像內(nèi)容檢索的需求。而基于內(nèi)容的圖像檢索(CBIR，Content Based Image Retrieval)技術(shù)是對海量 的圖像數(shù)據(jù)進(jìn)行檢索時一個非常有效的途徑，近年來，得到了越來越多的研究者和應(yīng)用者 的關(guān)注，并出現(xiàn)了許許多多的檢索方法，但由于表征圖像內(nèi)容的底層視覺特征與人描述圖 像的高層語義之間存在著“鴻溝”，目前，設(shè)計一種通用、有效的圖像檢索方法還很困難。因 此，有必要針對某種特定類型的圖像特點進(jìn)行設(shè)計檢索方法，才能實現(xiàn)有效地檢索。

發(fā)明內(nèi)容
為了解決目前外觀設(shè)計專利檢索方法中效率低的問題，本發(fā)明提出一種基于圖像 內(nèi)容分析的外觀設(shè)計專利檢索方法。本發(fā)明針對外觀設(shè)計專利圖像一般提供多視圖、具有 旋轉(zhuǎn)約束的特點，設(shè)計了一種較傅立葉描述子和不變矩等常規(guī)方法能更好描述外觀設(shè)計專利圖像形狀、結(jié)構(gòu)內(nèi)容的方法，更好地符合了人類視覺感受，能為外觀設(shè)計企業(yè)和個人提供一種更有效的外觀專利檢索方式。本發(fā)明的技術(shù)方案是首先利用圖像邊界附近的若干非邊緣采樣點的R(紅)、 G(綠)、B(藍(lán))三個分量的均值作為背景特征進(jìn)行背景去除，提取包含目標(biāo)區(qū)域的目標(biāo)圖像 并對目標(biāo)圖像進(jìn)行歸一化，然后提取目標(biāo)區(qū)域的輪廓與其外接矩形的距離作為形狀特征， 采用4-叉樹的形式對歸一化后的目標(biāo)圖像進(jìn)行分塊，將塊中的屬于目標(biāo)區(qū)域的像素個數(shù) 與塊面積的比值作為結(jié)構(gòu)特征，最后在檢索圖像時，采用分層檢索方式，先利用全局特征縮 小檢索圖像范圍，得到子集，再利用形狀特征和輪廓特征加權(quán)計算查詢圖像與子集中圖像 的相似度，并以相似度的大小進(jìn)行排序返回檢索結(jié)果圖像和專利號。所述將若干采樣點像素的R (紅)、G (綠)、B (藍(lán))三個分量的均值作為背景特征 進(jìn)行背景去除，得到歸一化目標(biāo)圖像的具體步驟為首先對圖像進(jìn)行灰度化、邊緣檢測等處 理，利用圖像左、右、下三條邊界附近的若干非邊緣作采樣點，分別計算這些采樣點像素的 R(紅)、G(綠)、B (藍(lán))三個分量的均值并將三個分量的均值作為背景特征，把符合下列條 件的像素作為背景區(qū)域，其余的作為目標(biāo)區(qū)域；I R-M_R I < thr_R&& | G_M_G | < thr_G&& | B_M_B | < thr_B其中R、G、B分別為像素的RGB三個分量值；M_R、M_G、M_B分別為采樣點RGB三個 分量值的平均值；thr_R、thr_G、thr_B分別為RGB三個分量的閾值；&&為“與”運算符號；將圖像進(jìn)行二值化，即使背景區(qū)域的像素值為0，目標(biāo)區(qū)域的像素值為1，然后分 別進(jìn)行水平和垂直投影得到目標(biāo)區(qū)域的上下、左右邊界，取四條邊界內(nèi)的區(qū)域即目標(biāo)區(qū)域 的一個外接矩形構(gòu)成一幅新的圖像，作為目標(biāo)圖像，并對該圖像按照長寬比例不變的形式 進(jìn)行縮放，使得其寬變?yōu)橐粋€固定的寬度W，縮放后的圖像即為歸一化的目標(biāo)圖像。所述將目標(biāo)區(qū)域輪廓與其外接矩形的距離作為形狀特征的具體方法如下1)將歸一化后的目標(biāo)圖像進(jìn)行邊緣提取，得到其輪廓圖C，記其外接矩形的寬為 W，高度為H;2)按照下式(1)_(4)的定義計算外接矩形的四條邊到輪廓的距離矢量；D_left(i) = min{j |R(i, j) ==1} (1)D_right(i) = ff-max{j |R(i, j) ==1} (2)D_up (j) = min{i |R(i, j) == 1} (3)D_down(j) = H_max{i|R(i，j) ==1} (4)其中i，j分別表示圖像象素的行和列的變量i = 1，2，...，H，j = 1，2，...，W;3)對2)中計算得到的距離矢量D_left，D_right，D_up，D_d0Wn進(jìn)行平滑處理，然 后將其N等分的平均距離作為特征，如式(5)-(8)例=去 * 丄耿、+ /)(5)
W W^F — right(k)=去 * 丄 J— right(k *w+l)(6)
W w =1F_down(k) = — * I>_ down(k *h + l)(7)
H h /=1F_up{k) = — *-YjD_up(k *h + l)(8)
H h /=1
式中，《 = 1/隊11 = !1/隊分別表示水平、垂直邊界中每等分包含的距離個數(shù)，^，^7
W H
是尺度歸一化因子，使得提取的特征不隨輪廓外接矩形的大小變化而變化；經(jīng)過上述處理后，得到的外接矩形_輪廓距離特征Fc = {Fc (i)} = {F_left, F_right, F_down, F_up} i = 1，2，· · ·，4*N該特征矢量Fc即為形狀特征，共4*N維。 所述采用4-叉樹形式對歸一化后的目標(biāo)圖像進(jìn)行分塊，將每個塊中的屬于目標(biāo) 區(qū)域的像素個數(shù)與塊面積的比值作為結(jié)構(gòu)特征的具體步驟如下首先對歸一化后的目標(biāo)圖 像進(jìn)行4-叉樹分解，得到N2個圖像塊，記第i個塊的大小為mXn，所覆蓋的目標(biāo)區(qū)域的面
積為area_C0Ver即屬于目標(biāo)區(qū)域的像素的個數(shù)，則第i個特征值表示為
,、 area cov erΛ ^ 、τ、Fg(i)=——-τ- ι = 1,2”··, Ν2
m^n計算所有的圖像塊，得到的特征矢量Fg即為結(jié)構(gòu)特征，共N2維。本發(fā)明的特點(1)將若干采樣點像素的R(紅)、G(綠)、B(藍(lán))三個分量的均值 作為背景特征進(jìn)行背景去除，得到歸一化目標(biāo)圖像。(2)將目標(biāo)區(qū)域輪廓與其外接矩形的距 離作為形狀特征；(3)采用4-叉樹形式對歸一化后的目標(biāo)區(qū)域進(jìn)行分塊，將每個塊中的屬 于目標(biāo)區(qū)域的像素個數(shù)與塊面積的比值作為結(jié)構(gòu)特征。本發(fā)明的優(yōu)點⑴計算量小且符合于多級檢索的需求；(2)能較好地描述形狀和 結(jié)構(gòu)的語義，一些檢索實例結(jié)果表明本發(fā)明的檢索結(jié)果能較好地符合人類的視覺感受；(3) 利用本發(fā)明的方法能有效地解決目前外觀設(shè)計專利檢索方法中檢索時間長、效率低且無法 分析圖像內(nèi)容等問題，可大大提高外觀專利圖像檢索效率。


附圖1為本發(fā)明的基于圖像內(nèi)容的外觀設(shè)計專利檢索方法流程圖。附圖2為本發(fā)明應(yīng)用于中國家具外觀專利庫的一個檢索示例。具體的實施方式本發(fā)明的主旨是設(shè)計一種基于圖像內(nèi)容分析的外觀專利檢索方法，以解決目前外 觀設(shè)計專利檢索中存在的耗時和檢索結(jié)果效果不理想的問題。下面結(jié)合附圖中的本發(fā)明流 程圖和示例來說明本發(fā)明的實施細(xì)節(jié)和效果，以便對本發(fā)明的技術(shù)特征和優(yōu)點作進(jìn)一步的 詮釋。本發(fā)明實施步驟包括圖像庫注冊和用戶檢索兩大部分(如附圖1示)。1)外觀設(shè)計專利圖像庫注冊目的用比原始圖像數(shù)據(jù)更少的數(shù)據(jù)來表達(dá)圖像，形成外觀設(shè)計專利圖像特征庫。步驟一對圖像庫中的每一幅圖進(jìn)行如下的圖像預(yù)處理，并提取全局、形狀和結(jié)構(gòu) 等三種特征(因為外觀設(shè)計專利中用戶更關(guān)注于設(shè)計圖的形狀和結(jié)構(gòu)，因此顏色特征在本 方法中并沒有提取、應(yīng)用)。(1)外觀專利圖像的預(yù)處理①先獲取圖像的RGB三個顏色通道的信息，然后對圖像進(jìn)行灰度化，并用carmy算 子進(jìn)行邊緣檢測，并且通過水平投影的方法去除圖像中的視圖說明文字。②選取在圖像的左、右、下三邊附近無邊緣的區(qū)域作為顏色采樣區(qū)域，分別得到采樣區(qū)域的R、G、B三個顏色平均值M_R，M_G, M_B。③將圖像中紅(R)、綠(G)、藍(lán)⑶三個顏色分量值分別在M_R，M_G, M_B附近變化 的像素作為背景，其他像素作為目標(biāo)區(qū)域，即將滿足下列條件的像素作為背景區(qū)域。 I R-M_R I < thr_R&& | G_M_G | < thr_G&& | B_M_B | < thr_B其中R、G、B分別為像素的RGB三個分量值。M_R、M_G、M_B分別為采樣點RGB三 個分量值的平均值；thr_R、thr_G、thr_B分別為RGB三個分量的閾值；&&為“與”運算符號。④將圖像進(jìn)行二值化，即使背景區(qū)域的像素值為0，目標(biāo)區(qū)域的像素值為1，然后 分別進(jìn)行水平和垂直投影得到目標(biāo)區(qū)域的上下、左右邊界，取四條邊界內(nèi)的區(qū)域(即目標(biāo) 區(qū)域的一個外接矩形)構(gòu)成一幅新的圖像，作為目標(biāo)圖像.⑤將目標(biāo)圖像按照長寬比例不變的形式進(jìn)行縮放，使得其寬變?yōu)橐粋€固定的寬度 W(示例中為200個像素寬)，縮放后的圖像即為歸一化的目標(biāo)圖像。記目標(biāo)圖像中的目標(biāo)區(qū)域為Object。(2)全局特征、形狀特征和結(jié)構(gòu)特征的提取①計算目標(biāo)區(qū)域Object的外接矩形的長寬比ratio_wh，目標(biāo)區(qū)域的面積A，圓形
AjrA
度W = 7 (其中，A為區(qū)域面積，L為區(qū)域周長)，作為全局特征矢量FO = (fl，f2，f3)。②計算形狀特征矢量。其具體步驟如下1)將歸一化后的目標(biāo)圖像進(jìn)行邊緣提取，得到其輪廓圖C，記其外接矩形的寬為 W，高度為H。2)按照下式(1)_(4)的定義計算外接矩形的四條邊到輪廓的距離矢量。D_left(i) = min{j |R(i, j) ==1}· (1)D_right(i) = ff-max {j | R(i, j) == 1} (2)D_up (j) = min{i |R(i, j) == 1} (3)D_down(j) = H_max{i|R(i，j) ==1} (4)其中i，j分別表示圖像象素的行和列的變量i = 1，2，...，H，j = 1，2，...，W。3)對2)中計算得到的距離矢量D_left，D_right，D_up，D_d0Wn進(jìn)行平滑處理，然 后將其N等分的平均距離作為特征，如式(5)-(8)F JefKk)=占 *lfpjeft(k*W + l)(5)
W w /=1F _right(k)=丄* L^jD _fight(k * w + ！)(6)
~W w ι=]F _down(k) = Uf^D — dow”(k * k + )(7)
一HF _up{k)= — *-YjD_up{k*h + l)(8)
— H h^t式中，《 = 1/隊11 = !1/隊分別表示水平、垂直邊界中每等分包含的距離個數(shù)，^,^7
W H
是尺度歸一化因子，使得提取的特征不隨輪廓外接矩形的大小變化而變化。經(jīng)過上述處理后，得到的外接矩形_輪廓距離特征F1 = {Fc(i)} = {F_left, F_right, F_down, F_up} i = 1,2，· · ·，4*NFc即為形狀特征，共4*N維。
③計算圖像結(jié)構(gòu)特征。具體步驟如下首先對歸一化后的目標(biāo)圖像進(jìn)行4-叉樹分解，得到N2個圖像塊，記第i個塊的大 小為mXn，所覆蓋的目標(biāo)區(qū)域的面積為area_C0Ver (即屬于目標(biāo)區(qū)域的像素的個數(shù))，則
第i個特征值表示為 計算所有的圖像塊，得到的特征矢量F2即為結(jié)構(gòu)特征，共N2維。步驟二 將步驟一中提取的特征F0、FU F2及其對應(yīng)的外觀專利申請?zhí)柋４娴綌?shù) 據(jù)庫中，形成外觀專利圖像特征庫，并且以外觀專利申請?zhí)栕鳛殛P(guān)鍵字段。2)用戶檢索目的根據(jù)用戶提交的查詢圖像的內(nèi)容，從外觀專利特征庫中找出與之在形狀和 結(jié)構(gòu)方面相似的圖像，并按照相似度大小返回給用戶檢索結(jié)果圖及其對應(yīng)的專利申請?zhí)枴２襟E一獲取到用戶提交的圖像Image，并按照外觀設(shè)計專利圖像庫注冊時的預(yù) 處理和提取特征的方法得到用戶提交圖像的特征向量FO (全局特征)、Fl (形狀特征)和 F2(結(jié)構(gòu)特征)。步驟二 打開外觀專利特征庫，通過全局特征的比較去除一些長寬比，圓形度和面 積上差異很大的圖像，初步得到與查詢圖像基本相似的圖像集V。步驟三按照如下方法分別計算用戶提交查詢圖像Image與V中所有的圖像的相 似度假設(shè)兩個圖像a和b，其形狀和結(jié)構(gòu)特征矢量分別為 對,F; ,F!，給每一
種特征矢量分配一個權(quán)值ω” ω2(其中ω1+ω2= 1)，用于調(diào)整每種特征矢量在相似度計 算中的比重。圖像a和b的相似度如下 其中| · I表示歐式距離。步驟四按照相似度大小進(jìn)行排序，并從外觀專利圖像庫中找到相應(yīng)的外觀專利 圖像和專利申請?zhí)柦o用戶。具體的實施實例我們建的家具外觀專利庫包括了 7萬多條外觀專利，共40余萬幅外觀設(shè)計專利 圖，按照諾伽洛分類標(biāo)準(zhǔn)進(jìn)行分類。附圖2是用戶提交一幅設(shè)計圖后應(yīng)用本發(fā)明方法從40 多萬幅家具外觀設(shè)計專利圖中檢索的結(jié)果。從檢索結(jié)果來看，檢索結(jié)果圖與查詢圖在形狀和結(jié)構(gòu)方面能很好地與人眼的相似 度感受保持一致，說明本發(fā)明方法確實能較好地描述形狀和結(jié)構(gòu)的語義。通過對多次檢索 的結(jié)果進(jìn)行的統(tǒng)計表明本發(fā)明方法計算量小，使用本發(fā)明方法對40余萬的圖像數(shù)據(jù)進(jìn)行 搜索的平均響應(yīng)時間為40秒。如果按照文字檢索的方式，我們依據(jù)“椅”為專利名稱的關(guān) 鍵字進(jìn)行檢索，可以得到13529條記錄，如果為了獲取與用戶提交圖像內(nèi)容相似的圖片，用 戶將不得不得逐條記錄進(jìn)行查找，這將是一個非常費時、煩瑣的工作。但是如果按照本文提 出的方法，可以在短短的幾十秒時間內(nèi)得到依據(jù)相似度大小進(jìn)行排序的檢索結(jié)果，用戶可以根據(jù)實際需求，在一定相似度的范圍內(nèi)進(jìn)行查找，大大地節(jié)省了查找時間，提高了檢索效率。
權(quán)利要求
一種基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法，其特征在于首先利用圖像邊界附近的若干非邊緣采樣點的R(紅)、G(綠)、B(藍(lán))三個分量的均值作為背景特征進(jìn)行背景去除，提取包含目標(biāo)區(qū)域的目標(biāo)圖像并對目標(biāo)圖像進(jìn)行歸一化，然后提取目標(biāo)區(qū)域的輪廓與其外接矩形的距離作為形狀特征，采用4-叉樹的形式對歸一化后的目標(biāo)圖像進(jìn)行分塊，將塊中的屬于目標(biāo)區(qū)域的像素個數(shù)與塊面積的比值作為結(jié)構(gòu)特征，最后在檢索圖像時，采用分層檢索方式，先利用全局特征縮小檢索圖像范圍，得到子集，再利用形狀特征和輪廓特征加權(quán)計算查詢圖像與子集中圖像的相似度，并以相似度的大小進(jìn)行排序返回檢索結(jié)果圖像和專利號。
2.如權(quán)利要求1所述的基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法，其特征在于所 述將若干采樣點像素的R(紅)、G(綠)、B(藍(lán))三個分量的均值作為背景特征進(jìn)行背景 去除，得到歸一化目標(biāo)圖像的具體步驟為首先對圖像進(jìn)行灰度化、邊緣檢測等處理，利用 圖像左、右、下三條邊界附近的若干非邊緣作采樣點，分別計算這些采樣點像素的R(紅)、 G(綠)、B (藍(lán))三個分量的均值并將三個分量的均值作為背景特征，把符合下列條件的像 素作為背景區(qū)域，其余的作為目標(biāo)區(qū)域； 其中R、G、B分別為像素的RGB三個分量值；M_R、M_G、M_B分別為采樣點RGB三個分量 值的平均值；thr_R、thr_G、thr_B分別為RGB三個分量的閾值M為“與”運算符號；將圖像進(jìn)行二值化，即使背景區(qū)域的像素值為0，目標(biāo)區(qū)域的像素值為1，然后分別進(jìn) 行水平和垂直投影得到目標(biāo)區(qū)域的上下、左右邊界，取四條邊界內(nèi)的區(qū)域即目標(biāo)區(qū)域的一 個外接矩形構(gòu)成一幅新的圖像，作為目標(biāo)圖像，并對該圖像按照長寬比例不變的形式進(jìn)行 縮放，使得其寬變?yōu)橐粋€固定的寬度W，縮放后的圖像即為歸一化的目標(biāo)圖像。
3.如權(quán)利要求1或2所述的基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法，其特征在于 所述將目標(biāo)區(qū)域輪廓與其外接矩形的距離作為形狀特征的具體方法如下1)將歸一化后的目標(biāo)圖像進(jìn)行邊緣提取，得到其輪廓圖C，記其外接矩形的寬為W，高 度為H;2)按照下式(1)_(4)的定義計算外接矩形的四條邊到輪廓的距離矢量； 其中i，j分別表示圖像象素的行和列的變量i = 1，2，...，H，j = 1，2，...，W;3)對2)中計算得到的距離矢量0_1時仏0_1^社，0_叩，0_(10麗進(jìn)行平滑處理，然后將 其N等分的平均距離作為特征，如式(5)-(8) 式中，W = W/N, h = H/N，分別表示水平、垂直邊界中每等分包含的距離個數(shù)，‘是W H尺度歸一化因子，使得提取的特征不隨輪廓外接矩形的大小變化而變化；經(jīng)過上述處理后， 得到的外接矩形_輪廓距離特征Fc = {Fc (i)} = {F_left, F_right, F_down, F_up} i = 1，2，. · ·，4*N 該特征矢量Fc即為形狀特征，共4*N維。
4.如權(quán)利要求1所述的基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法，其特征在于 所述采用4-叉樹形式對歸一化后的目標(biāo)圖像進(jìn)行分塊，將每個塊中的屬于目標(biāo)區(qū)域的像 素個數(shù)與塊面積的比值作為結(jié)構(gòu)特征的具體步驟如下首先對歸一化后的目標(biāo)圖像進(jìn)行 4-叉樹分解，得到N2個圖像塊，記第i個塊的大小為mXn，所覆蓋的目標(biāo)區(qū)域的面積為area_cover即屬于目標(biāo)區(qū)域的像素的個數(shù)，則第i個特征值表示為Γ 廣、area cover ■ 0Fg(i) =-=τ- i = l,2,...,N2m*n計算所有的圖像塊，得到的特征矢量Fg即為結(jié)構(gòu)特征，共N2維。
全文摘要
本發(fā)明公開了一種基于圖像內(nèi)容分析的外觀設(shè)計專利檢索方法，該方法首先提取目標(biāo)區(qū)域的輪廓與其外接矩形的距離作為形狀特征，采用4-叉樹的形式對目標(biāo)圖像進(jìn)行分塊，將塊中目標(biāo)像素數(shù)目與塊面積的比值作為結(jié)構(gòu)特征，檢索時，利用這兩種特征加權(quán)計算查詢圖像與數(shù)據(jù)庫中圖像的相似度，以相似度的大小進(jìn)行排序返回檢索結(jié)果圖像；本發(fā)明采用基于先驗知識的背景去除方法，采用目標(biāo)的輪廓與外接矩形的距離作為形狀特征，采用四叉樹分解塊中的目標(biāo)像素比值作為結(jié)構(gòu)特征；利用本發(fā)明的方法能有效地解決目前外觀設(shè)計專利檢索方法中檢索時間長、效率低且無法分析圖像內(nèi)容的問題，可大大提高外觀專利圖像檢索效率。
文檔編號G06F17/30GK101866352SQ201010191360
公開日2010年10月20日 申請日期2010年5月28日 優(yōu)先權(quán)日2010年5月28日
發(fā)明者彭雪輝, 徐宇發(fā), 戴青云, 曹江中, 李旭明, 陳蕾, 黃少輝 申請人:廣東工業(yè)大學(xué)