[发明专利]一种基于特征融合和KNN的3D画智能分类算法

摘要

一种基于特征融合和KNN的3D画智能分类算法，包括如下步骤：1)分别采用Lbp算法、Gist算法和Phog算法进行3D画图片特征提取得到对应的特征向量，2)将提取到的特征向量进行融合，得到融合特征；3)基于融合特征，采用KNN算法构建3D画智能分类器。本发明是一种将计算机与艺术相结合的创新性尝试，可以促进3D画的自动手机存储，为设计人员和大众提供丰富全面的3D画浏览和检索。在算法设计方面，LBP特征能提取图像中的纹理，Gist特征能提取图像空间包络，PHOG特征能提取局部图像边缘，这些特征的融合能全面地反映出墙画、地画、墙地画和凹墙角画的艺术区别，有助于提高3D画分类的准确度。

主权项

1.一种基于特征融合和KNN的3D画智能分类算法，其特征在于：1)分别采用LPB 算法、Gist算法和Phog算法进行3D画图片特征提取得到对应的特征向量，2)将提取到的特征向量进行融合，得到融合特征；3)基于融合特征，采用KNN算法构建3D画智能分类器；在步骤1)中，将一张大小为M×N的3D画图像img通过旋转不变模式LPB算法提取若干个关键特征点，生成特征向量FV_LBP；所述LPB算法具体如下1.1A)以R为半径的P点邻域，g_c为中心，g_p为邻域点，区分邻域比中心亮度大还是小的方法是式中s(x)＝1，x≥0；s(x)＝0，x<0；1.2A)在环形邻居的点集中，若中心像素的位置为(x,y)，则邻近像素点g_i的位置计算为：1.3A)对环形邻居集上的编码进行按右循环右移操作ROR，获得LBP旋转不变编码，取值最小的编码为最后的L PB编码, 旋转操作如下：1.4A)通过测度U将LBP编码中的U≤2的编码归为等价模式类，除等价模式类以外的模式都归为另一类，称为混合模式类，测度U定义为1.5A)经过旋转和归一化，一幅图片的LBP特征是包含P+2个特征点。