[发明专利]物体表面高光特征检测与材质分类的方法及系统

权利要求书

1.物体表面高光特征检测与材质分类的方法，其特征在于，包括以下步骤：

S1)、利用HIGHLIGHT光照模型定义并提取物体表面的高光特征h(ρ)；

S2)、通过STFFT-N-L^*算法建立高光特征h(ρ)的特征描述符D(k,ρ)；

S3)、利用基于投票决策的聚类算法求解n个高光特征描述符{D_i|i＝1,2,...,n}对应的类别标签{L_i|i＝1,2,...,n}。

2.根据权利要求1所述的物体表面高光特征检测与材质分类的方法，其特征在于：步骤S1)中，所述的HIGHLIGHT光照模型的为：

I(ρ)＝l(ρ)+g(ρ)·h(ρ)+(1-g(ρ))·n(ρ)；

式中，ρ为观测点到高光质心的距离，l(ρ)为亮度趋势分量，由漫反射生成，主要和物体形状相关；h(ρ)是高光分量，由镜面反射形成，主要和物体表面材质相关；n(ρ)是纹理特征分量，由环境光形成，主要和物体表面纹理相关，可作为噪声分量，|h(ρ)|＞＞|n(ρ)|，抑制因子g(ρ)与距离ρ呈反相关，g(0)＝1。

3.根据权利要求1所述的物体表面高光特征检测与材质分类的方法，其特征在于：步骤S2)中，利用STFFT-N-L*算法建立高光特征h(ρ)的特征描述符D(k,ρ)，具体包括以下步骤：

S201)、以每一个距离点ρ为起点，截取指定长度L做N点短时傅里叶变换，得到一组傅里叶系数向量其中，N固定，L＝L_min:L_step:L_max；

S202)、根据如下公式选取最优截取长度L*，即

其中，W^t(·)是阈值为t的高频滤波函数，G(·)为几何平均值，判决式c(ρ)如下：

其中，为频率为0时对应的傅里叶系数，为每个傅里叶系数向量中的最大值，BW_3dB(·)为3dB带宽函数，对应傅里叶系数从峰值处下降一半时，傅里叶系数标号的变化值；

S203)、根据筛选出中满足c(ρ)的所有距离ρ'，最终生成高光特征描述符

4.根据权利要求1所述的物体表面高光特征检测与材质分类的方法，其特征在于：步骤S3)中，利用基于投票决策的聚类算法为描述符d_i建立分类标签L_i，具体包括以下步骤：

S301)、对于第i个样本的每个方向θ上生成的特征描述符将其归一化到d∈[0,D)的距离范围，得到一组归一化特征描述符

S302)、根据如下公式计算每个角度上对应的有值距离的个数M(θ)，即

其中，sgn(·)为符号函数，满足，

S303)、取M(θ)最大的J个角度上的特征描述符输入聚类算法中，得到聚类标签b_j，即为J票，则最终的第i个样本对应的聚类标签L_i为b_j中票数最多的值。

5.物体表面高光特征检测与材质分类系统，其特征在于：包括：

采集模块，所述采集模块用于通过控制相机配合光源采集具有高光特征的不同材质的物体表面图片；

高光特征检测模块，所述高光特征检测模块利用提出的高光特征检测方法提取并描述高光特征；

补偿模块，补偿模块通过其它特征对高光特征进行补充，共同描述材质特征；

分类模块，所述分类模块将特征描述符输入基于投票的聚类算法，进行物体材质的分类判决。