[发明专利]一种基于三角剖分的图像分类方法

权利要求书

1.一种基于三角剖分的图像分类方法，其特征在于包括以下步骤：

步骤一，输入训练图像集；对于c类图像，每类选取n张图像作为训练图像I_ij，i＝1,2,...,c;j＝1,2,...,n；

步骤二，对训练图像I_ij使用SIFT即尺度不变特征转换算法提取兴趣点，记录兴趣点的坐标，得到图像Ii_j的兴趣点集pointSet_ij，i＝1,2,...,c;j＝1,2,...,n；方法如下：

①使用SIFT算子检测图像I_ij，提取图像I_ij的所有兴趣点；

②记录步骤①中提取的兴趣点在图像I_ij中的坐标位置，形成图像I_ij的兴趣点集pointSet_ij＝{p₁,p₂,...,p_num}，其中，num是图像I_ij的兴趣点数目，p_k＝(p_kx,p_ky)是兴趣点的空间坐标，k＝1,2,...,num；

步骤三，对每幅图像的兴趣点集pointSet_ij使用Delaunay三角剖分技术，得到兴趣点之间的空间关系，构造一个二维矩阵作为图像描述子对图像全局进行描述；方法如下：

①对步骤二所得图像I_ij的特征点集pointSet_ij进行Delaunay三角剖分变换，将图像I_ij中离散的特征点剖分为不均匀的三角形，构成一个三角网；

②根据三角网中所有三角形内角的角度值θ以及其相邻的边的比值r，构造一个二维矩阵H⁽⁰⁾_dim1×dim2作为图像描述子，并初始化为0；其中，dim1为矩阵H的行数，2＜dim1＜50；dim2为矩阵H的列数，2＜dim2＜50；

③由步骤①中得到的三角网依次输出各个三角形的坐标，得到图像I_ij的三角形坐标集triangleSet_ij＝{T₁,T₂,...,T_tn}，其中tn是三角网中三角形的数目；每个三角形由三个坐标组成T_k＝{(t_kx1,t_ky1),(t_kx2,t_ky2),(t_kx3,t_ky3)},k＝1,2,...,tn；三角形的边长用欧式距离计算，公式如下：

l1=(tkx3-tkx2)2+(tky3-tky2)2]]>

l2=(tkx3-tkx1)2+(tky3-tky1)2]]>

l3=(tkx2-tkx1)2+(tky2-tky1)2]]>

由余弦定理求三角形的三个内角θ₁，θ₂，θ₃：

θ1=arccos((l22+l32-l12)/(2·l2·l3))]]>

θ2=arccos((l12+l32-l22)/(2·l1·l3))]]>

θ3=arccos((l12+l22-l32)/(2·l1·l2))]]>

边比值为θ角两个夹边中长边与短边的比值，即：

r1=l3/l2,l3≥l2l2/l3,l2>l3]]>

r2=l1/l3,l1≥l3l3/l1,l3>l1]]>

r3=l1/l2,l1≥l2l2/l1,l2>l1]]>

④计算图像描述子；

在triangleSet_ij＝{T₁,T₂,...,T_tn}中，以角度值θ以及其对应的边比值r构成一个新集合descriptor_ij＝{(θ₁,r₁),(θ₂,r₂),...,(θ_3×tn,r_3×tn)}；重复执行迭代运算3×tn次，将descriptor_ij映射到H_dim1×dim2，其迭代公式为：

gap1=πdim1]]>

gap2=differencedim2]]>

difference＝max{r_p}-min{r_p}

其中，p＝1,2,...,3×tn,s＝1,2,...,dim1,t＝1,2,...,dim2，max{r_p}是对于所有descriptor_ij中的r_p的最大值，min{r_p}是对于所有descriptor_ij中的r_p的最小值；

⑤将H^(3×tn)_dim1×dim2向量化，得x_ij＝(d₁,d₂,...,d_dim1×dim2)；

步骤四，训练分类器；

输入c×n个训练实例：＜(x₁₁,y₁),(x₁₂,y₁),...,(x_1n,y₁),(x₂₁,y₂),(x₂₂,y₂),...,(x_2n,y₂),...,(x_c2,y_c),...,(x_cn,y_c)＞，其中，x_ij是输入的训练样本，y_i∈{1,2,...,c}表示样本对应的标签；

①归一化权值，公式如下：

xij=(d1,d2,...,ddim1×dim2)max{dp}]]>

式中，max{d_p}为(d₁,d₂,...,d_dim1×dim2)中的最大值；

②得到分类器Classifier；

步骤五，输入测试图像，根据步骤三对测试图像进行描述，得到图像描述子x_ij＝(d₁,d₂,...,d_dim1×dim2)；

步骤六，将x_ij＝(d₁,d₂,...,d_dim1×dim2)输入到分类器Classifier中，输出预测的图像类别。