[发明专利]基于用户群优化的图像分类仿脑存储方法

说明书

本发明提出一种基于人脑存储模式的分布式图像文件分类存储方法，本方法的操作步骤是：(1)，建立图像数据表示模型；(2)，构建仿脑分布式存储系统；(3)，图像自动标注和分类；(4)，进行标注修正。该方法能够通过自动标注来取得对图像的自动标注结果，然后通过用户对图片的理解进行标注修正。该方法也有根据用户对图像类别的需求反馈相似图像的功能。用户可以获取指定图像的分类结果和与其相类似的图片。同时用户可以对得到的分类结果进行人工干预修正，进而改进图像分类的准确率。

技术领域

本发明涉及计算机人工智能领域，尤其涉及一种基于用户群优化的图像分类仿脑存储方法，是一种图像仿脑分布式存储和一种把图片特征与传统分类器相结合的图像分类存储方法。

背景技术

当前信息时代，数据规模增长速度远超我们的预期，存在大量的图片文件。在这种情况下，集中式文件系统不能有效地管理这些图像文件。传统的图像管理方法是基于文本的检索。虽然这种方法很容易实现，但是文本描述图像难以充分表达丰富的内容。此外，人工标注是费时又费力。图像种类很丰富，同样就有许多存储不同图像类型的方法，现存的有一种数据结构和一种用于多分辨率图像的高效索引数据库。这个数据库具有以下特点：多数据源图像数据、基于分布式的存储和管理以及集成于其他的立体数据库管理软件中。图像数据库是一个新兴研究领域，同时也存在很多没有解决的问题。因此，它是值得深入研究的。另外，还有一种数据处理系统并和特别的分布式存储和检索系统相关。这个系统设计意图是让用户来决定图像对象的层级和安全的位置。当这些数据增长时，这个系统将很难有效处理数据。

在存储管理大量数据的领域，通常采用的都是分布式存储。图像存储也不例外，当今专业图像编辑工作的变换方法，这项研究阐明了使用分布式计算引擎和文件系统来管理大量数据集的可行性。现存的网络共享模型不能从根本上消除“信息孤岛”的问题。

除此之外，目前传统的图像分类存储方法都是单一模式型的，换言之即存储系统主要负责存取，而分类系统仅负责给图像标注，最后将分类信息传回存储系统。这种方法对于用户而言不便于操作。因此当用户需要的图像被系统分类错误的时候，系统将无法返回正确的类别，使得传统的图像分类存储方法无法满足用户的需求。

现有的图像标注分类大致分为手工标注和自动标注两种标注方式，其中纯手工标注需要耗费大量的人力物力，从而变得不切实际。图像的自动标注通过机器学习的方法在一定程度上能够解决图像的标注问题，但是由于自动标注的特征感知并不完善，很难反映图像所表达的概念，自动标注的准确率不高。因此，需要一种手工标注和自动标注相结合的标注方法。

发明内容

本发明的目的是针对已有技术存在的不足，提供一种基于用户群优化的图像分类仿脑存储方法，是一种仿脑分布式图像存储方法和一种将图像特征和传统分类器相结合的图像分类方法。能较准确的得到图像分类结果，并进行优化存储。

为达到发明的目的，本发明的构思是：

为了有效存储现有的图像数据，本发明提出一种基于人脑存储模式的分布式图像文件存储方法。另外，为了克服现有的图像标注方法在准确率上的不足，提供一种新的图像标注方法，该方法不仅能够通过自动标注来取得对图像的自动标注结果，而且可以通过用户对图片的理解进行标注修正。同时，该方法也有根据用户对图像类别的需求返回相似图像的功能。

根据上述发明构思，本发明采用下述技术方案：

一种基于用户群优化的图像分类仿脑存储方法，其操作步骤如下：

a)建立图像数据表示模型：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：图像的原始数据、图像的基本属性(包括文件名、图像格式、创建时间等)、图像的低级特征(包括颜色、纹理、形状等)、图像的语义特征(包括对图像的主观解释、低级特征理解等)和图像低级特征和语义特征的关系。