[發(fā)明專利]基于人工智能的圖書自動分類方法

有效

• 申請?zhí)枺?/td>: 202110209964.7
• 申請日: 2021-02-24
• 公開（公告）號: CN112861985B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設(shè)計）人: 陳淑慧;陳柯明;張艷婷;張旭朣;胡穩(wěn)
• 申請（專利權(quán)）人: 鄭州輕工業(yè)大學(xué)
• 主分類號: G06V30/416
• 分類號: G06V30/416;G06V30/148;G06V30/18;G06V30/19
• 代理公司: 鄭州芝麻知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41173
• 代理人: 陳長山

1.一種基于人工智能的圖書自動分類方法，其特征在于，該方法包括：

S1、采集封面圖像并轉(zhuǎn)換色彩空間，再將色彩空間映射到三維空間中得到HSV色彩模型，統(tǒng)計各顏色值包含像素的數(shù)量并選取底色；

S2、根據(jù)底色的顏色值得到底色鄰域模型，去除HSV色彩模型中屬于底色鄰域模型的區(qū)域，得到非底色模型和其中的預(yù)選像素；其中，所述底色鄰域模型的獲取方法為：

統(tǒng)計各顏色值包含像素的數(shù)量，按從大到小排列得到像素數(shù)量序列，選擇像素數(shù)量序列中第a個顏色值作為底色，底色的坐標(biāo)為(x′_a,y′_a,z′_a)，初始的a為1；

設(shè)置x軸方向閾值m_x′、y軸方向閾值m_y′、z軸方向閾值m_z′，底色鄰域模型所占空間為[x′_a-m_x′,x′_a+m_x′]、[y′_a-m_y′,y′_a+m_y′]、[z′_a-m_z′,z′_a+m_z′]；

S3、根據(jù)預(yù)選像素集合中像素點在三維空間中的顏色值進(jìn)行第一密度聚類，獲得若干個第一集合；

S4、根據(jù)各第一集合中像素點在封面圖像對應(yīng)圖像坐標(biāo)系中的位置進(jìn)行第二密度聚類，獲得若干個第二集合；

S5、檢測第二集合中像素在封面圖像中的外接矩形的特征序列，分析特征序列對應(yīng)第二集合的文字類型，從各文字類型中各選擇一個第二集合組成集合組合，獲得集合組合中對應(yīng)的字符感興趣區(qū)域并根據(jù)字符感興趣區(qū)域的面積占比計算集合組合面積評價指數(shù)，再根據(jù)第二集合外接矩形中心點計算集合組合的離散度評價指數(shù)；

判斷是否需要調(diào)整底色，若需要調(diào)整底色，選擇所述像素數(shù)量序列中第a+1個顏色值為底色后轉(zhuǎn)到S2；若不需要調(diào)整底色，輸出最佳集合組合，執(zhí)行S6；

S6、根據(jù)最佳集合組合中第二集合對應(yīng)外接矩形從封面圖像中分割出字符檢測區(qū)域，檢測關(guān)鍵詞并獲得圖書的類別；

其中，所述第一密度聚類的半徑調(diào)整系數(shù)為式中，V表示模型的體積；閾值調(diào)整系數(shù)為式中，N表示模型中包含的像素個數(shù)；第一密度聚類的初始半徑設(shè)置為r，初始閾值設(shè)置為n，經(jīng)過調(diào)整后的聚類半徑為r′＝r×α₁，調(diào)整后的聚類閾值為n′＝n×α₂；

所述第二密度聚類的初始半徑設(shè)置為式中k₂為第二閾值調(diào)整參數(shù)，I×J為封面圖像的尺寸，所述第二密度聚類的初始閾值設(shè)置為

2.如權(quán)利要求1所述的方法，其特征在于，所述色彩空間轉(zhuǎn)換，具體包括：

將封面圖像轉(zhuǎn)換到HSV色彩空間，得到各像素在HSV色彩空間中的位置，所述HSV色彩空間為圓錐形空間；

將HSV色彩空間映射到三維空間中，得到三維空間中的HSV色彩模型和像素的顏色值。

3.如權(quán)利要求1所述的方法，其特征在于，所述得到非底色模型和其中的預(yù)選像素的方法為：

獲得三維空間中HSV色彩模型與底色鄰域模型的交集F，將底色鄰域模型減去F得到非底色模型，非底色模型中像素為預(yù)選像素。