一种模型45度主视图自动分类的方法技术

本发明专利技术公开了一种模型45度主视图自动分类的方法，涉及家装设计领域，具体包含：打开家装设计软件，加载模型，自动截取模型45度主视图；获取模型编号及45度主视图图片数据；对源图像进行灰度变换；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；对灰度图归一化，使用最近邻插值算法，缩放到512*512像素；使用canny算法对灰度图边缘检测，使用SIFT算法提取局部特征；对关键点降维处理，进而得到128维方差梯度值；对128维方差梯度值进行SVM训练；分类预测:可以让用户在家装软件的模型制作中，自动识别模型的分类，精确匹配子分类，用户无感知，去除模型确认和纠错的人力成本。

An automatic classification method of 45 degree main view of model

【技术实现步骤摘要】
一种模型45度主视图自动分类的方法
本专利技术涉及家装设计领域，尤其涉及一种模型45度主视图自动分类的方法。
技术介绍
通常家装设计软件里的模型分类是需要专业的设计人员维护的，分类的调整会涉及供应链的分类调整，随着模型的指数增长，确认和纠错工作耗费大量人力。设计师上传自定义模型的分类，特别是子分类的选择并不符合公司的业务流程规范。错误的分类不仅会影响调价和促销业务，更严重时，还会影响公司的销售毛利。本专利技术提出一种基于模型45度主视图自动分类的方法及系统。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
的不足提供一种模型45度主视图自动分类的方法，可让用户在家装软件的模型制作中，自动识别模型的分类，精确匹配子分类，用户无感知，去除模型确认和纠错的人力成本。本专利技术为解决上述技术问题采用以下技术方案：一种模型45度主视图自动分类的方法，具体包含如下步骤；步骤1，打开家装设计软件(艾佳生活的DR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: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；10.2.调用SVM预测函数，获得类目编号。作为本专利技术一种模型45度主视图自动分类的方法的进一步优选方案，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Sobelkernel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，可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；对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。作为本专利技术一种模型45度主视图自动分类的方法的进一步优选方案，所述步骤7具体如下：使用SIFT算法提取局部特征：SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果；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。作为本专利技术一种模型45度主视图自动分类的方法的进一步优选方案，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。作为本专利技术一种模型45度主视图自动分类的方法的进一步优选方案，所述步骤8对128维方差梯度值SVM训练，具体的计算方法如下：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，并且使得本本集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。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、本专利技术可以让用户在家装软件的模型制作中，自动识别模型的分类，精确匹配子分类，用户无感知，去除模型确认和纠错的人力成本；2、算法只使用模型的边缘检测数据，并提取有限特征向量，对旋转、亮度、拍摄视角有较好的鲁棒性，识别速度快；3、可以实时扩展分类规则，适用于大规模的模型分类调整，有利于家装设计软件模型自动化支持以及功能性拓展。附图说明图1是本专利技术模型45度主视图自动分类的流程图；图2是本专利技术图像灰度化示例；图3是本专利技术使用canny算法实现边缘检查；图4是本专利技术sift算法示意图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，一种模型45度主视图自动分类的方法，具体包含如下步骤；步骤1，打开家装设计软件，加载模型，自动截取模型45度主视图；步骤2，获取模型编号及45度主视图图片数据；步骤3，对源图像进行灰度变换；如图2所示。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，如图3所示。步骤7，使用SIFT算法提取局部特征；如图4所示。步骤8，对关键点降维处理，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: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；10.2.调用SVM预测函数，获得类目编号。作为本专利技术一种模型45度主视图自动分类的方法的进一步优选方案，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Sobelkernel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；利用以下取得的两个图像，可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；梯度方向总是垂直于边本文档来自技高网...

【技术保护点】
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；/n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；/n步骤2，获取家具模型编号及45度主视图图片数据；/n步骤3，对源图像进行灰度变换；/n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；/n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；/n步骤6.使用canny算法对灰度图边缘检测，/n步骤7，使用SIFT算法提取局部特征；/n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；/n步骤9，对128维方差梯度值进行SVM训练；/n步骤10，分类预测:/n10.1.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；/n10.2.调用SVM预测函数，获得类目编号。/n

【技术特征摘要】
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:
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；
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：在一个实施方式中，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：在一个实施方式中，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Sobelkernel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，可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...

【专利技术属性】
技术研发人员：陈旋，周海，赵军，
申请(专利权)人：江苏艾佳家居用品有限公司，
类型：发明
国别省市：江苏;32