一种面向增强现实应用的建筑物图像分割方法

摘要

本发明公开了一种面向增强现实应用的建筑物图像分割方法，包括建筑图像特征设计，包括梯度角度熵特征、颜色熵特征和线特征；选择训练样本，使用改进的K‑means对训练样本进行聚类，选择互不相交的聚类集合中的样本作为训练样本；Adaboost决策分类器训练，输入选择的样本输入训练Adaboost决策分类器；将测试图像输入Adaboost决策分类器，输出建筑物分割结果。本发明与传统分割方法相比，设计了一种建筑图像特征描述方法，并对梯度角度熵进行了简化，显著的提高了分割的效率；设计了一种基于Adaboost决策树的分类器，为了去除样本冗余性，设计了一种样本的选择方法，并训练出最终的分类器模型，快速、准确的分割了包含建筑物图像的建筑物结构和非建筑物、非人工结构。