[发明专利]一种模型45度主视图自动分类的方法

权利要求书

1.一种模型45度主视图自动分类的方法，其特征在于：具体包含如下步骤；

步骤1，打开家装设计软件，加载家具模型，自动截取模型45度主视图；

步骤2，获取家具模型编号及45度主视图图片数据；

步骤3，对源图像进行灰度变换；

步骤4，对灰度图直方图均衡化，增加图像的对比度，且使变换后的图像中每个灰度值的分布概率都相同；

步骤5，对灰度图归一化，使用最近邻插值算法，缩放到512*512像素；

步骤6.使用canny算法对灰度图边缘检测，

步骤7，使用SIFT算法提取局部特征；

步骤8，对局部特征关键点降维处理，进而得到128维方差梯度值；

步骤9，对128维方差梯度值进行SVM训练；

步骤10，分类预测:

步骤10.1.对待预测的图像，重复步骤1至步骤8获得128维方差梯度值；

步骤10.2.调用SVM预测函数，获得类目编号。

2.根据权利要求1所述的一种模型45度主视图自动分类的方法，其特征在于：所述家装设计软件采用艾佳生活的DR设计软件。

3.根据权利要求1所述的一种模型45度主视图自动分类的方法，其特征在于：所述步骤6具体的计算方法如下：

步骤6.1，高斯模糊：应用高斯模糊去除噪声，降低伪边缘的识别；

步骤6.2，找寻一幅图相中灰度强度变化最强的位置，即指梯度方向；用Sobel kernel在水平和垂直方向过滤来平滑图像，并取得图像在水平和垂直方向的一阶导数；

利用以上取得的两个图像，用以下公式找到每个像素的边缘梯度和方向：

其中，A代表去除噪声的图像灰度值，Gx及Gy分别代表横向及纵向边缘检测的图像灰度值；

步骤6.3，非极大值抑制：在获得梯度的方向和大小之后，对整幅图像做一个扫描，去除那些非边界上的点。

4.根据权利要求1所述的一种模型45度主视图自动分类的方法，其特征在于：所述步骤7具体如下：

步骤7.1，对每个关键点使用4×4共16个种子点来描述，对于一个关键点就可产生128个数据，即形成128维的SIFT特征向量；

步骤7.2.由于图像会生成不确定个数的n个关键点，每个关键点的子描述为128维，即n×128维的特征矩阵；

步骤7.3不同图像会生成不同的关键点。

5.根据权利要求1所述的一种模型45度主视图自动分类的方法，其特征在于：所述步骤8具体如下：

步骤8.1，k个关键点有向量m-0,m-1,m-2...,m-k-1；

步骤8.2，4*4*8为128维方向的梯度值；

步骤8.3，对k个向量的相同维度的梯度值计算方差；

步骤8.4，得到128维方差梯度值。

6.根据权利要求1所述的一种模型45度主视图自动分类的方法，其特征在于：所述步骤8对128维方差梯度值SVM训练，具体如下：

步骤9.1，SVM又称为支持向量机，将每一个数据项作为一个点在k维空间中作为一个点，其中，k＝128维特征向量，每一个特征值都是一个特定坐标的值；通过查找区分这两个类的超平面来进行分类够将所有数据样本划开的超平面，并且使得本集合中所有数据到这个超平面的距离最短；

步骤9.2，输入向量集合及类目数据，存储训练数据集合。