买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学;青岛哈尔滨工程大学创新发展中心申请的专利基于多维多通道卷积神经网络的形状分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115170886B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210864872.7，技术领域涉及：G06V10/764；该发明授权基于多维多通道卷积神经网络的形状分类方法是由郑岩;刘惊险;张勋;邢文;刘阳;陈涛;徐健;吴迪;李本银设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本基于多维多通道卷积神经网络的形状分类方法在说明书摘要公布了：基于多维多通道卷积神经网络的形状分类方法，本发明涉及形状分类方法。本发明的目的是为了解决现有方法在小样本数据集下数据集缺乏时，因图像噪声造成图像轮廓不完整时的形状分类准确率低问题。过程为：一、计算轮廓角度和轮廓单元曲度，基于轮廓角度和轮廓单元曲度进行轮廓角度编码与轮廓单元曲度编码；基于轮廓角度编码与轮廓单元曲度编码，计算出在不同尺度级下的描述子；二、建立训练集与测试集；三、建立多维多通道网络模型；四、将训练集和测试集输入多维多通道网络模型，获得训练好的多维多通道网络模型；五、将待测图像输入训练好的多维多通道网络模型，完成图像分类。本发明用于图像分类领域。

本发明授权基于多维多通道卷积神经网络的形状分类方法在权利要求书中公布了：1.基于多维多通道卷积神经网络的形状分类方法，其特征在于：该方法包括： 步骤一、计算轮廓角度和轮廓单元曲度，基于轮廓角度和轮廓单元曲度进行轮廓角度编码与轮廓单元曲度编码；基于轮廓角度编码与轮廓单元曲度编码，计算出在不同尺度级下的描述子； 步骤二、建立训练集与测试集； 步骤三、建立多维多通道网络模型； 步骤四、将训练集和测试集输入多维多通道网络模型，获得训练好的多维多通道网络模型； 步骤五、将待测图像输入训练好的多维多通道网络模型，完成图像分类； 所述步骤一中计算单元轮廓角度和轮廓单元曲度，基于轮廓角度和轮廓单元曲度进行单元轮廓角度编码与轮廓单元曲度编码；基于单元轮廓角度编码与单元轮廓曲度编码，计算出在不同尺度级下的描述子；具体过程为： 给定一幅RGB图像，将给定的RGB图像处理为一幅二进制灰度图像； 一幅二进制灰度图像由一系列轮廓线组成； 因此一幅二进制图像被一系列采样点描述为Ω＝{pi＝xi,yi,i＝1,2,3,...,N}， 其中，Ω为一幅二进制图像，pi为第i个采样点，xi,yi为采样点对应的坐标，N为采样点的总数量； 由于采样轮廓为封闭的曲线因此pN+i＝pi； 采样点以顺时针进行采样； 在轮廓线上取三点pi+1＝xi+1,yi+1，pi＝xi,yi，pi-1＝xi-1,yi-1，计算以pi＝xi,yi点为角顶点，与相邻二个点pi+1＝xi+1,yi+1和pi-1＝xi-1,yi-1形成的角度，即计算曲线内三点所形成的单元轮廓角度； 计算公式如下： 其中，ai为pi+1与pi两点之间的长度，bi为pi与pi-1两点之间的长度，ci为pi+1与pi-1两点之间的长度，θi为曲线内三点所形成的单元轮廓角度； 基于公式1、2、3、4计算后形成一个角度序列{θi}； 计算以pi＝xi,yi点为中心点，与相邻二个点pi+1＝xi+1,yi+1和pi-1＝xi-1,yi-1形成的长度累加，即计算曲线内三点所形成的单元轮廓曲度；公式为： li＝ai+bi5 其中，li为单个单元轮廓曲度； 对li进行归一化 其中，为对单个单元轮廓曲度归一化后结果，min{ls}为所有点形成的单元轮廓曲度的最小值，max{ls}为所有点形成的单元轮廓曲度的最大值； 由上定义单元轮廓角度编码与单元轮廓曲度编码为： 取轮廓采样点{p1,p2,...,pN}，设每个尺度级为r，在不同尺度级下轮廓采样点坐标为： 其中，为尺度级r下对应采样点的坐标； 由上述不同尺度级下轮廓点坐标计算出在不同尺度级下的描述子为： 其中，为尺度级r下的单元轮廓角度；为尺度级r下的单元轮廓曲度，为尺度级r下的单元轮廓角度编码与单元轮廓曲度编码。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学;青岛哈尔滨工程大学创新发展中心，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。