科创中国

本发明公开了一种图像检索排序的方法及装置，所述方法包括：根据用户输入的关键词从网络图像数据库中搜索得到关键词对应的图像集，以特征聚类的方式分别对所述图像集进行去噪处理得到对应的类图像集；将所述类图像集与所述网络图像数据库中根据已建立的其他类图像集分别两两之间进行类间优化处理，通过类间优化处理对所述类图像集中的图像进行第二次去噪处理得到优化图像集；根据置信分数对优化图像集进行加权计算并获取高密度图像集，按照线性排序模型对所述高密度图像集进行排序，得到所述图像排序结果。所述装置包括：聚类去噪模块、类间优化模块和排序模块。通过三层检索排序提高了检索排序的精准性。

一种图像检索排序的方法，其特征在于，所述方法包括：根据用户输入的关键词从网络图像数据库中搜索得到关键词对应的图像集，以特征聚类的方式分别对所述图像集进行去噪处理得到对应的类图像集；将所述类图像集与所述网络图像数据库中已建立的其他类图像集分别两两之间进行类间优化处理，通过类间优化处理对所述类图像集中的图像进行第二次去噪处理得到优化图像集；根据置信分数对优化图像集进行加权计算并获取高密度图像集，按照线性排序模型对所述高密度图像集进行排序，得到图像排序结果；所述根据用户输入的关键词从网络图像数据库中搜索得到关键词对应的图像集，以特征聚类的方式分别对所述图像集进行去噪处理得到对应的类图像集，包括：根据用户输入的关键词检索得到图像集其中d代表图像视觉特征的维度。

 网络图像检索通常采用基于文字关键词的搜索方法。当前，搜索引擎通过匹配搜 索关键词和图像的文字标签，以确定检索图像的排序。然而，由于网络图像存在许多错误的 文字标签，检索结果的精确度难以令人满意。鉴于网络图像检索在用户需求方面的不确定 性。穷举所有关键词并预先存储排序结果是不可能完成的任务。同时，许多应用依赖于收集 大量分门别类的图像，用户手工标定辅助排序的方法也会变得耗费人力。因此，理想的图像 检索排序技术应当不依赖于任何预先存储和人工标定，并能达到精确而高效的排序结果。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

采用本发明提供的图像检排序方法对根据关键词获取的图像集在特征聚类层进 行谱图去噪，实现离散噪声和重复图像的消除;再将去噪后的图像集在数据集层进行类间 优化得到优化图像集，实现数据集层分类难的噪声数据的清除;然后将所述优化图像集在 关键词类别层进行无监督排序，得到排序结果，实现不依赖人工标定及其他特征信息实现 无监督网络图像排序。

技术合作

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和 原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。