一种基于分层聚类的均衡图像聚类方法

摘要

本发明公开了一种基于分层聚类的均衡图像聚类方法，本发明针对服饰类商品图像高维特征数据，采用基于层次聚类的方法，获得大小均衡的聚类簇，且单个聚类簇包含的数据量不超过限定的阈值。检索时，将被检索数据与所有聚类中心进行距离计算后，选取最近的多个聚类簇，在多个聚类簇内部进行数据遍历，获得最后的查询结果。相对于通用的基于聚类的索引方法，该方法避免了当被检索数据处于大聚类簇时遍历数据量过大的问题，保证了查询的性能。同时，通过遍历多聚类簇的方式，查询结果与SSA的查询结果有更高的重合度，提高了查询效果。

主权项

一种基于分层聚类的均衡图像聚类方法，其特征在于，包含如下步骤：(1)在建立索引时，首先对图像特征数据进行初始聚类；(2)对步骤(1)得到的每个聚类簇进行聚类切分操作；具体步骤为：检查该聚类所包含的图像个数；如果该聚类中心包含的图像个数大于设置的上限N_top，则在聚类内部进行二分聚类；如果二分聚类的结果包含的数据量仍超过N_top，则对二分聚类的结果迭代此过程；将数据量不超过N_top的聚类簇中心记录到聚类中心文件中；之后将该类目所有图像特征数据按照获得的聚类中心进行组织；(3)在检索时，对查询图像的特征数据，计算其到所属类目的所有聚类中心的距离，并且对这些距离进行升序排序，获取距离最小的前c个聚类簇标识，c值由系统参数指定；之后在c个聚类簇的内部进行数据遍历，得到最后的查询结果。