[发明专利]一种基于尺度不变特征的三维图像分类方法

权利要求书

1.一种基于尺度不变特征的三维图像分类方法，其特征在于，包括以下步骤：

步骤Sa：对经过三维图像预处理后的标记样本图像和无标记样本图像提取尺度不变特征，分别得到样本特征和目标特征；

步骤Sb：搜索目标特征的正出现，生成正出现集合，所述正出现集合是满足几何相似和外形相似的样本特征的集合；

步骤Sc：使用核密度估计的算法，计算目标特征的条件概率密度的估计值；

步骤Sd：依据各目标特征的概率密度估计值，使用贝叶斯分类器计算得到无标记样本图像的似然率，并依据似然率进行分类。

2.如权利要求1所述的基于尺度不变特征的三维图像分类方法，其特征在于，三维图像预处理是在保留三维图像细节的同时，使用三维图像与模板进行仿射配准变换方式的预处理。

3.如权利要求1所述的基于尺度不变特征的三维图像分类方法，其特征在于，提取尺度不变特征的步骤为：

首先建立三维图像的四维尺度空间离散数据结构，利用差分金字塔的极值点作为候选点集合；然后经过插值、低对比度过滤、表面和管状不稳定点过滤后，获得剩余候选点的几何位置向量集合；最后对几何位置向量进行邻域采样，获得各个几何位置向量所对应的外形描述向量。

4.如权利要求1所述的基于尺度不变特征的三维图像分类方法，其特征在于，利用样本特征索引来提高目标特征的正出现的搜索效率，其中，样本特征索引是将样本特征按照其几何向量映射到同一个四维离散空间，在对应的离散空间位置建立索引并记录映射至此的样本特征编号。

5.如权利要求1所述的基于尺度不变特征的三维图像分类方法，其特征在于，对每个目标特征搜索满足以下条件的样本特征作为目标特征的正出现：

||xik-xi'||≤ϵx'+2·ξi'|1nσik-1nσi'|≤ϵσ'||aik-ai'||≤ϵai']]>

其中，‖·‖表示向量的欧氏距离，x表示三维图像的点坐标向量，σ表示特征尺度，a表示外形描述向量，下标i、k分别表示目标特征和正出现的编号，和分别表示编号为的样本特征的点坐标向量、特征尺度和外形描述向量，x′_i、σ′_i和a′_i分别表示目标特征f′_i的点坐标向量、特征尺度和外形描述向量，ε′_x和ε′_σ分别表示几何相似阈值的坐标部分和特征尺度部分，对应于预处理后三维图像间的几何差异大小，ξ′_i表示目标特征f′_i所对应差分金字塔图像层的采样率，表示目标特征f′_i的外形相似阈值。