[发明专利]一种网络图像自主收集与筛选方法

权利要求书

1.一种网络图像自主收集与筛选方法，其特征在于，包括以下步骤：

1）图像主题提取

选取单幅图像，然后选择网络搜索引擎对单幅图像进行检索得到搜索结果，对搜索结果进行提取后得到图像主题；

2）网络图像及相关文本信息自动下载

根据图像主题从网络下载图像及与图像相关的文本信息至本地数据库得数据集；

3）图像数据筛选

利用图像信息及与图像相关的文本信息对数据集内的图像进行筛选得目标图像集。

2.根据权利要求1所述一种网络图像自主收集与筛选方法，其特征在于，所述图像主题提取的步骤为：首先，借助网络上的以图搜图服务对选取的单幅图像进行检索，得到与单幅图像相关的文本检索信息；其次，利用先验语义知识以及统计方法对文本检索信息进行提取处理得到图像主题。

3.根据权利要求2所述一种网络图像自主收集与筛选方法，其特征在于，所述对文本检索信息进行提取处理包括以下步骤：

调用WordNet的语义网络对文本检索信息进行过滤，滤除介词、冠词、抽象名词、动词、形容词以及副词；如果过滤后只剩一个单词，那么该单词便是图像主题；如果过滤后剩余多个单词，以剩余的单词作为关键词分别在基于文本的图像检索中搜索图像的网址，获取前15-20幅图像的网址；将图像的网址分别利用以图搜图服务进行检索，得到与网址相关的文本检索信息；对所有与网址相关的文本检索信息进行分词后统计词频，词频最高的单词即为单幅图像的图像主题。

4.根据权利要求1所述一种网络图像自主收集与筛选方法，其特征在于，所述自动下载中，如果因下载请求遭到拒绝或读取流失败导致下载失败，并且重试三次仍下载失败，那么跳过对此图像的下载程序，直接进入下一张图像的下载程序；下载某一图像时，如果在设定时间内图像下载完成，则进入下一张图像的下载程序，若在设定时间内没有完成图像下载，则抛弃此次下载结果，然后进入下一张图像的下载程序。

5.根据权利要求1所述一种网络图像自主收集与筛选方法，其特征在于，所述图像数据筛选的步骤为：首先，利用图像的归一化灰度直方图分布信息剔除数据集中的非自然图像；其次，利用与图像相关的文本信息剔除数据集中偏离图像主题的图像。

6.根据权利要求5所述一种网络图像自主收集与筛选方法，其特征在于，所述文本信息为图像Tag信息。

7.根据权利要求5所述一种网络图像自主收集与筛选方法，其特征在于，所述非自然图像包括卡通画、图标、手绘或合成的图像。

8.根据权利要求5所述一种网络图像自主收集与筛选方法，其特征在于，所述非自然图像的判断依据为：在图像的归一化灰度直方图中，当出现频率大于0.06的灰度级数量小于60时图像被判定为非自然图像。

9.根据权利要求5所述一种网络图像自主收集与筛选方法，其特征在于，所述剔除数据集中偏离图像主题的图像包括以下步骤：

对与图像相关的文本信息进行分词得多个单词；利用WordNet的语义网络从多个单词中筛选表示Object的词；若表示Object的词属于同一个同义词集合，那么保留与文本信息相关的图像，否则剔除与文本信息相关的图像。