[發明專利]一種基于色彩空間特征的圖形圖像分類方法

無效

• 申請號: 201210093958.0
• 申請日: 2012-03-29
• 公開（公告）號: CN102663451A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 蔡圣燕;聶旋;郭淑勤
• 申請（專利權）人: 天津科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06N3/08
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王來佳

1.一種用于自然圖片和計算機圖形的分類方法，其特征在于：其步驟為：

(1)輸入圖像，圖像顏色模式為RGB、Lab、YCbCr或CMYK，提取輸入圖像特征，選取單個圖像特征或多個圖像特征組合，所選取的圖像特征根據計算方法執行計算，得到上述單個圖像特征或多個圖像特征組合的特征值；

(2)將得到的單個圖像特征或多個圖像特征組合的特征值分別與每個所選圖像特征預設的閾值進行比較，通過采用分類器進行分類，判斷輸入圖像的類別，得出分類結果；

(3)根據分類結果選擇相應的處理方式，分類結果將輸入圖像判斷為自然圖片或計算機圖形后，分別采用各自對應的再現意圖。

2.根據權利要求1所述的用于自然圖片和計算機圖形的分類方法，其特征在于：步驟(1)所述提取輸入圖像的特征為空間特征和顏色特征，且至少包括以下一個特征：空間特征包括：基于行程長度統計矩陣的行程比、灰度直方圖平滑度、梯度、鄰域內最大灰度差級數、鄰域內最大灰度差最大頻率、鄰域內最大灰度差平滑度、鄰域相似比等特征；顏色特征包括：灰度級數、顏色相似度、顏色漸變和飽和度，所選取的圖像特征為上述特征的任意順序組合，并可同時進行。

3.根據權利要求1所述的用于自然圖片和計算機圖形的分類方法，其特征在于：步驟(2)所述的分類器為單個分類器和/或綜合分類器。

4.根據權利要求3所述的用于自然圖片和計算機圖形的分類方法，其特征在于：所述的單個分類器使用輸入圖像單個特征的特征值與其對應的預先設定的閾值進行比較來判斷分類結果，單個分類器可以選擇顏色通道中任意一個或多個通道來提取圖像特征進行分類，并且各通道之間沒有先后順序，同時提取或用于判斷。

5.根據權利要求3所述的用于自然圖片和計算機圖形的分類方法，其特征在于：所述的綜合分類器利用多個特征組合進行分類的方法步驟為：

(1)選取多個特征值，依次判斷每個特征值是否大于其對應的預先設定的閾值：

(2)判斷方法為：如果第一個特征值不大于其預先設定的閾值，則判斷為自然圖片，判斷終止；

(3)如果第一個特征值大于其對應的預先設定的閾值，則執行下一個特征值與其預先設定的閾值的判斷比較，以此類推，依次判斷，當判斷結果為自然圖片時或當最后一個特征值大于其對應的預先設定的閾值時，則判斷為計算機圖形，判斷終止。

6.根據權利要求5所述的用于自然圖片和計算機圖形的分類方法，其特征在于：所述綜合分類器利用判別分析得到的二次判別函數或BP神經網絡進行判斷分類。

7.根據權利要求6所述的用于自然圖片和計算機圖形的分類方法，其特征在于：所述利用判別分析得到的二次判別函數進行判斷分類的方法步驟為：

(1)對訓練集圖像提取特征，判別分析，得到二次判別函數；

(2)提取輸入圖像特征，利用特征值計算二次判別函數值；

(3)比較二次判別函數值的大小，將輸入圖像判為函數值最大的類別。

8.根據權利要求6所述的用于自然圖片和計算機圖形的分類方法，其特征在于：所述利用BP神經網絡進行判斷分類的方法步驟為：

(1)提取訓練圖像特征，求得訓練特征均值，根據特征均值對圖像特征進行歸一化；

(2)確定BP神經網絡結構和BP神經網絡初始權值，利用遺傳算法優化BP神經網絡初始權值，采用歸一化的特征數據訓練網絡，得到訓練好的BP神經網絡；

(3)提取輸入圖像特征，采用訓練特征均值對輸入圖像特征進行歸一化；

(4)采用訓練好的BP神經網絡對輸入圖像進行判斷，根據輸出結果進行分類。

9.一種用于自然圖片和計算機圖形的分類的處理系統，其特征在于：包括：

(1)輸入圖像模塊，用于輸入圖像，提取輸入圖像特征，所選特征根據其對應的計算方法執行計算，得到各對應特征值；

(2)特征選取模塊，用于選取單個特征或多個特征組合，將其對應的特征值與每個所選特征設定的閾值進行比較，來判斷輸入圖像的類別，得出分類結果；

(3)圖片處理模塊，用于根據分類結果選擇相應的處理方式，分類結果將輸入圖像判斷為自然圖片或計算機圖形后，分別采用各自對應的再現意圖。

10.根據權利要求9所述的用于自然圖片和計算機圖形的分類處理系統，其特征在于：所述輸入圖像模塊連接掃描儀或數碼相機；所述圖片處理模塊連接顯示器或打印機。