[发明专利]一种基于三角剖分的图像分类方法

说明书

技术领域

本发明属于图像处理领域，涉及一种基于三角剖分的图像分类方法。

背景技术

近年来，随着数码相机、数码摄像头、高端手机等手持数码移动设备的迅速升级和存储技术的快速发展，人们可以随意地拍摄照片而不必考虑物理上的损耗，这样每天新产生的数字图像数量就会以惊人的速度急剧增长。

人们在面对海量图片带来生活乐趣的同时，也深深地陷入了检索感兴趣信息低效的困境中。如何能够高效的对数量急速膨胀的图像进行合理的组织和分类以及帮助人们快捷地检索到所需要的图像信息，已成为图像处理领域亟待解决的热门问题。

在有关图像分类的文献中，主要有两种图像分类的方法：基于文本的图像分类方法和基于内容的图像分类方法。

第一种是基于文本的图像分类方法。首先要对目标图像进行人工文本标注，然后依据对文本的分类进而得到图像的分类。但该方法工作量巨大且标注往往存在很大的主观性，分类结果往往不够理想。

第二种方法是基于内容的图像分类方法。基于内容的图像分类方法有很多种，而且一直处在不断发展之中，到目前为止大致分为两大类。第一类是通过提取图像的颜色、纹理、形状、轮廓等全局特征，使用直方图或者矩阵等工具进行描述，然后再使用直方图相交距、欧氏距离等进行相似度计算，以此来判别图像的类别，或者是使用分类器来直接判别图像的类别。该类方法计算简单，速度快，但缺乏特征向量的空间信息，且效果受环境影响较大，如光照、角度等。第二类方法叫做词袋模型，是最近比较流行的。它是通过对图像局部特征的提取与描述来达到对整幅图像进行描述。第一，检测图像的特征点，或者是图像的角点，这些点人们统称为兴趣点；第二，找到这些点之后，要对这些点进行描述，通常是用一个向量来描述一个点，这个向量称为该点的描述子，是由兴趣点周围的局部区域进行计算得来的；第三，要对所有训练样本图像的兴趣点描述子进行聚类，得到码本，码本中的每一个词都是聚类得到的；第四，把每幅训练图像的所有兴趣点描述子向码本进行映射，得到图像描述子，用此图像描述子作为特征训练分类器；第五，把每幅测试图像的所有兴趣点描述子向码本进行映射，得到图像描述子，输入到分类器进行判别。该方法效果较好，但缺乏图像的空间信息，且时间复杂度较高。

发明内容

针对现有技术中存在的上述问题，本发明提出一种快速准确的针对单目标的图像分类方法。该方法自动提取图像中的局部兴趣点，并利用三角剖分技术连接起局部兴趣点，构建一个带有空间结构信息的全局图像描述子。该图像描述子具有旋转、缩放、平移不变性，而且构建速度快。

为了达到上述目的，本发明采用以下技术方案。

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。

步骤二，检测训练图像集中每幅图像的所有兴趣点，得到每幅图像的点集。

①使用兴趣点检测算法检测每幅图像的兴趣点。

②记录兴趣点在图像中的坐标位置，形成此幅图像的兴趣点集。

步骤三，对每幅图像的兴趣点集使用Delaunay三角剖分技术，由此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。

①对每幅图像的兴趣点集应用Delaunay三角剖分，将每个兴趣点通过边连接起来，得到一张三角网。

②使用二维矩阵作为图像描述子，第一维是角度，第二维是相邻两边比值。

③计算三角网中每个三角形的角度值及其相邻边的比值。

④计算图像的图像描述子。

⑤将图像描述子向量化。

步骤四，训练分类器。

①输入训练图像描述子和对应的标签。

②归一化权值。

③训练得到分类器。

步骤五，输入测试图像，根据步骤三对测试图像进行描述。

步骤六，检测测试图像类别。

与现有技术相比，本发明具有以下优点：

（1）本发明采用三角剖分技术将单目标图像的兴趣点进行连接，利用点与点的空间关系，将图像表示成一张三角网。由于利用了目标所蕴含的内部空间结构关系，所以使本发明具有良好的分类效果。

（2）本发明只提取兴趣点的位置坐标，没有描述兴趣点，并且在构建图像描述子时，没有进行聚类，与传统方法相比，本发明具有较快的速度。

附图说明

图1为本发明所涉及方法的主流程图；

图2为生成图像描述子的流程图。

具体实施方式

下面结合具体实施方式对本发明做进一步的说明。