[发明专利]一种传统云纹图案的自动分类方法

摘要

本发明提出一种传统云纹图案的自动分类算法。主要解决云纹图案人工分类效率低下的问题，通过云纹图案预处理、特征提取、聚类处理实现云纹图案自动分类。实现过程为(1)将云纹图像进行预处理，包括统一图像尺寸、去除背景噪声、细化云纹图像线条三个步骤；(2)针对云纹图像间主要特征为线条的形状，采用形状上下文描述子(SC)算法来提取云纹图像的特征，通过形状上下文距离获得云纹图像间的初始相似度；(3)经由改进的近邻关系传递算法对相似度矩阵进行优化；(4)将优化之后的相似度矩阵作为MEAP算法的输入矩阵，进行MEAP聚类处理，实现自动分类。聚类结果显示本发明相比于SIFT‑MEAP与ED‑MEAP算法聚类准确性更高，聚类效果更加理想。同时本发明所提出的云纹图案自动分类算法，对于其他传统艺术图案的聚类分析具有很好的借鉴意义。

主权项

一种传统云纹图案的自动分类方法，包括如下步骤：(1)云纹图像预处理，归一化云纹图像尺寸、去除背景噪声、云纹图像线条细化：(1a)归一化云纹图像尺寸，这样既方便后续图像的统一处理同时不会改变图像线条分布情况；(1b)去除背景噪声，同时也方便采用数学形态学方法对图像进行细化；(1c)云纹图像线条细化，因为不同类云纹图像的线条形状不同，而同类云纹图像的线条形状基本相似，因此主要关注云纹图像线条形状；(2)提取云纹图像的形状上下文相似度矩阵：(2a)形状上下文算法认为每个图像中的物体可以用图形边界上均匀分布的有限数目的离散点来近似描述，所以提取云纹图像边界上的100个离散点来近似描述云纹图像线条轮廓；(2b)针对每个离散点计算其形状上下文，将云纹线条所在的直角坐标系转换到对数极坐标系下，以待计算的离散点为对数极坐标系圆点，将极坐标系在方向上从0到2π平均分为12份，半径上从极坐标圆点开始向外到2r通过对数空间函数转换分为5份，其中r为数据集欧氏距离的平均值，这样整个极坐标系就被分为60份(bin)，计算云纹图像的轮廓点散落到每个bins中的离散点数，形成一个60维的向量，称这个60维的向量为对应离散点的形状上下文，即离散点的对数极坐标直方图，计算直方图公式如下：hi(k)＝#{q≠pi:(q‑pi)∈bin(k)}，其中k表示极坐标系中第k个bin，取值为1到60，pi为待计算直方图的云纹图像的边界点，q为除pi点之外的其他n‑1个边界点，q‑pi为第k个bin中边界点的个数；(2c)计算两幅云纹图像中任意两点之间的形状上下文差异，对于云纹图像P中的一个边界点pi与云纹图像Q中边界点qj，用标记这两个点的形状上下文差异，那么的计算公式如下所示，其中hi(k)与hj(k)分别表示pi与qj直方图中第k个bin中边界点的个数：Cijsc=C(pi,qj)=12Σk=1K[hi(k)-hj(k)]2hi(k)+hj(k);]]>(2d)计算两幅云纹图像中任意两点之间的正切角差异，为了使得云纹形状间的差异更加准确添加轮廓点的正切角差异，公式如下，其中θi与θj分别为pi与qj点处的正切角：Cijtan=0.5(1-cos(θi-θj));]]>(2e)将两幅云纹图像中任意两点之间的形状上下文差异与正切角差异有机结合，可以比较准确的度量不同云纹图像上任意两个点之间的形状上下文距离，公式如下：Cij=(1-β)Cijsc+βCijtan,β=0.1;]]>(2f)计算任意两幅云纹图像之间的形状上下文距离获得云纹图像的形状上下文相似度矩阵，通过计算云纹图像P中的任意边界点pi与云纹图像Q中任意边界点qj之间的形状上下文距离，得到一个n*n(n＝100)的距离矩阵，将距离矩阵横向与纵向最小值的平均值求和得到两幅云纹图像之间的形状上下文距离值，计算公式如下：Dsc(P,Q)=1nΣi=1nargminj=1,...nC(pi,qj)+1nΣj=1nargmini=1,...nC(pi,qj);]]>(3)改进的近邻传递算法(NP)优化Ssc矩阵：(3a)计算形状上下文距离矩阵D＝[dij]n×n，矩阵中的元素dij为云纹图像i与j的形状上下文距离，该值取相反数用于更新近邻关系传递成功之后的相似度矩阵S；(3b)计算近邻关系传递阈值ε，记云纹图像xi与其第k个近邻点的距离为dik，取所有云纹图像与其第k个近邻距离的平均值作为阈值，阈值公式定义如下：ϵ=mean(Σi=1ndik);]]>(3c)计算云纹图像之间的相似度矩阵S，相似度矩阵S＝[sij]n×n，矩阵中第i行第j列元素sij的计算公式定义如下：sij＝‑dijγ，其中dij为形状上下文距离，此处通过指数变换放大所有云纹之间的距离，主要目的是放大位于不同流形上云纹图像之间的距离，从而缩小其相似度；(3d)计算近邻关系矩阵N，如果距离矩阵D中的元素dij小于近邻关系传递阈值ε，那么认为数据对象xi与xj互为近邻，对应的矩阵元素nij的值置为1，否则取值为0，对角线元素为0；(3e)近邻关系传递算法优化相似度矩阵，即如果nij＝0，而nik＝1,nkj＝1，那么设置nij＝1,nji＝1，同时更新sij＝sji＝‑min(dik,dkj)；(4)将上述优化之后的相似度矩阵作为MEAP算法的输入矩阵，通过调整参考值，获得正确的分类数，实现云纹图像的自动分类。