[发明专利]基于视觉词汇表与多特征匹配的Skyline的医学大数据检索系统

权利要求书

1.一种基于视觉词汇表与多特征匹配的Skyline的医学大数据检索系统，其特征在于，包括云服务系统，所述云服务系统包括：

分区特征向量提取模块：提取医学图像的底层特征，分别对底层特征集合进行聚类，构建视觉词汇表，以此，将图像库中的图像量化为一个视觉单词出现频率的向量，得到分区特征向量；

相似度向量构造模块，计算查询图像和图像库中的任意图像在每个特征上的相似度距离，以构造不同特征的图像相似度向量；

分布式计算决策模块，调用基于Skyline的多特征融合方法进行分布式检索计算决策。

2.如权利要求1所述的基于视觉词汇表与多特征匹配的Skyline的医学大数据检索系统，其特征在于，所述分区特征向量提取模块，提取医学图像的特征数据，给定一个查询图像，提取该图像的底层特征，包括如下步骤：

S1.1.Color特征的提取；

S1.2.SIFT特征的提取；

S1.3.构建视觉词汇表；

S1.4.图像量化表示。

3.如权利要求1所述的基于视觉词汇表与多特征匹配的Skyline的医学大数据检索系统，其特征在于，所述相似度向量构造模块，构造不同特征的图像相似度向量的方法是：一个包含n幅医学图像的图像库 和查询图像q，医学图像被表达为特征向量，查询图像q和图 像库I中的任意图像o_i在第t个特征上的相似度距离，其表示为两向量的L₁距离：

其中表示图像o_i的第t个特征描述子向量，是图像o_i的第t维底层特征的k维向量；

基于公式1.3，得到查询医学图像q和医学图像库I中的任意图像o_i在每个特征上的相似度距离，图像q和o_i的相似度向量如定义1.2所示：

定义1.2：设为包含n幅图像的图像库，q为查询图像，查询图像q与图像库I中任意图像o_i的相似度向量表示为m维向量：

Vect_i(o_i,q)＝＜dist(o_i.x₁,q.x₁),dist(o_i.x₂,q.x₂),...,dist(o_i.x_m,q.x_m)＞

其中i∈[1,n]，m表示底层特征数目，Vect_i(o_i,q)表示图像q与图像o_i的相似度向量，dist(o_i.x_k,q.x_k)表示两幅图像第k(k≤m)维特征的相似度距离；图像库I中的所有图像分别与查询图像q在各维特征上计算相似度距离，构造生成n个相似度向量。

4.如权利要求1所述的基于视觉词汇表与多特征匹配的Skyline的医学大数据检索系统，其特征在于，所述分布式计算决策模块执行如下步骤：

给定一个包含n幅图像的医学图像库和一幅查询图像q，集合R为多特征融合方法的查询结果，对于每幅图像的m个底层特征向量

当一幅图像o_i∈R，当且仅当满足如下条件：

则R集合包含了与查询图像q在X向量空间上相似度向量Vect_i(o_i,q)＝＜dist(o_i.x₁,q.x₁),dist(o_i.x₂,q.x₂),...,dist(o_i.x_m,q.x_m)＞不被医学图像库I上的其他任何图像相似度向量支配的所有图像的集合。