[发明专利]图像检索装置、图像检索方法、程序以及计算机可读取的存储介质有效

专利信息
申请号: 201380018009.9 申请日: 2013-03-29
公开(公告)号: CN104246765B 公开(公告)日: 2018-03-20
发明(设计)人: A.赛瓦希尔;鸟居顺次 申请(专利权)人: 乐天株式会社
主分类号: G06F17/30 分类号: G06F17/30;G06T1/00
代理公司: 北京市柳沈律师事务所11105 代理人: 胡金珑
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检索 装置 方法 程序 以及 计算机 读取 存储 介质
【权利要求书】:

1.一种图像检索装置,其特征在于,包括:

查询特征量取得部件,取得分别表示成为查询的图像的局部的特征的多个查询特征量;

图像特征量选择部件,关于所述多个查询特征量的每一个,从多个图像特征量中,选择图像特征量,将所选择出的图像特征量追加到已选择特征列表,其中,所述多个图像特征量按成为检索对象的多个图像的每一个而预先存储至存储部件,且表示各图像的局部的特征;

得分生成部件,基于关于所述多个查询特征量而选择出的图像特征量,关于成为所述检索对象的多个图像分别生成表示与成为所述查询的图像类似的程度的得分;以及

图像选择部件,基于关于所述图像而生成的得分,从成为所述检索对象的多个图像中选择至少一个图像,

所述图像特征量选择部件关于所述多个查询特征量的每一个,对成为所述检索对象的每个图像,从所述已选择特征列表中不存在的图像特征量中,最多选择一个图像特征量。

2.如权利要求1所述的图像检索装置,其特征在于,

所述图像特征量选择部件关于所述多个查询特征量的每一个,对成为所述检索对象的每个图像,从该图像的所述多个图像特征量之中没有关于与该查询特征量不同的查询特征量而被选择的图像特征量中,最多选择一个任意的图像特征量。

3.如权利要求1或2所述的图像检索装置,其特征在于,还包括:

簇选择部件,从表示成为所述检索对象的多个图像的特征的多个图像特征量被分类的多个簇之中,选择与所述多个查询特征量的每一个对应的簇,

所述图像特征量选择部件关于所述多个查询特征量的每一个,从被分类为与该查询特征量对应的簇的多个图像特征量中,选择图像特征量。

4.如权利要求3所述的图像检索装置,其特征在于,

所述簇选择部件基于分别代表所述多个簇的多个代表特征量与所述查询特征量的距离,选择对应于所述查询特征量的簇。

5.如权利要求3所述的图像检索装置,其特征在于,

所述图像特征量选择部件选择满足以下条件的全部图像特征量:关于所述多个查询特征量的每一个,从属于与该查询特征量对应的簇的多个图像特征量中选择的图像特征量的数目对于成为所述检索对象的每个图像成为最多一个,且所选择的图像特征量没有关于与该查询特征量不同的查询特征量而被选择。

6.如权利要求4所述的图像检索装置,其特征在于,

所述图像特征量选择部件选择满足以下条件的全部图像特征量:关于所述多个查询特征量的每一个,从属于与该查询特征量对应的簇的多个图像特征量中选择的图像特征量的数目对于成为所述检索对象的每个图像成为最多一个,且所选择的图像特征量没有关于与该查询特征量不同的查询特征量而被选择。

7.如权利要求3所述的图像检索装置,其特征在于,还包括:

图像特征量提取部件,从成为所述检索对象的图像的每一个中,提取图像特征量;以及

簇生成部件,生成所述提取到的图像特征量的至少一部分被分类的所述多个簇,

所述簇生成部件以属于某簇的图像特征量之中与成为所述检索对象的多个图像的其中一个对应的图像特征量的数目不超过规定的值的方式,生成所述多个簇。

8.如权利要求4所述的图像检索装置,其特征在于,还包括:

图像特征量提取部件,从成为所述检索对象的图像的每一个中,提取图像特征量;以及

簇生成部件,生成所述提取到的图像特征量的至少一部分被分类的所述多个簇,

所述簇生成部件以属于某簇的图像特征量之中与成为所述检索对象的多个图像的其中一个对应的图像特征量的数目不超过规定的值的方式,生成所述多个簇。

9.如权利要求5所述的图像检索装置,其特征在于,还包括:

图像特征量提取部件,从成为所述检索对象的图像的每一个中,提取图像特征量;以及

簇生成部件,生成所述提取到的图像特征量的至少一部分被分类的所述多个簇,

所述簇生成部件以属于某簇的图像特征量之中与成为所述检索对象的多个图像的其中一个对应的图像特征量的数目不超过规定的值的方式,生成所述多个簇。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于乐天株式会社,未经乐天株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201380018009.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top