[發(fā)明專利]一種基于增量慢特征的3D模型檢索方法及其檢索裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201510702023.1
• 申請(qǐng)日: 2015-10-26
• 公開(kāi)（公告）號(hào): CN105320764B
• 公開(kāi)（公告）日: 2019-05-07
• 發(fā)明（設(shè)計(jì)）人: 劉安安;蘇育挺;李曉雪
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06F16/583
• 分類號(hào): G06F16/583;G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

本發(fā)明公開(kāi)了一種基于增量慢特征的3D模型檢索方法及其檢索裝置，方法包括：運(yùn)用有監(jiān)督的增量慢特征分析方法，對(duì)預(yù)處理后的視圖集進(jìn)行增量慢特征提?。桓鶕?jù)提取出的增量慢特征獲取增量慢特征的排序，根據(jù)排序結(jié)果篩選增量慢特征并生成3D模型的增量慢特征庫(kù)；利用最近鄰算法對(duì)3D模型的增量慢特征庫(kù)進(jìn)行檢索匹配，獲取與候選模型相似的物體并輸出。裝置包括：提取模塊、獲取模塊、生成模塊以及匹配與輸出模塊。本發(fā)明降低了非剛性模型特征提取的難度，提高了特征提取的穩(wěn)定性和準(zhǔn)確性，為后續(xù)的3D模型檢索提供了良好的條件，確保了檢索結(jié)果更加高效準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像檢索領(lǐng)域，尤其涉及一種基于增量慢特征的3D模型檢索方法及其檢索裝置。

背景技術(shù)

隨著3D模型的廣泛使用和傳播，以及計(jì)算機(jī)圖形學(xué)和空間可視化技術(shù)的發(fā)展，3D模型已經(jīng)應(yīng)用于社會(huì)生活的各個(gè)方面，如虛擬現(xiàn)實(shí)、三維動(dòng)畫(huà)及游戲、CAD、軍事、分子生物學(xué)等。3D模型己經(jīng)成為了繼聲音、圖像、視頻之后的第四種多媒體數(shù)據(jù)類型。目前有數(shù)以兆計(jì)的3D模型存在，同時(shí)每天都有大量的3D模型產(chǎn)生和傳播，存在著對(duì)3D模型進(jìn)行檢索的迫切需求。常用的3D模型檢索技術(shù)分為基于文本的檢索和基于內(nèi)容的檢索。

基于文本的檢索技術(shù)實(shí)現(xiàn)算法簡(jiǎn)單，且經(jīng)過(guò)多年發(fā)展已經(jīng)相當(dāng)成熟。但是由于文本信息本身就無(wú)法全面表述三維模型的幾何形狀、拓?fù)浣Y(jié)構(gòu)、材質(zhì)的顏色及紋理等豐富信息，并且需要耗費(fèi)大量的時(shí)間、精力和相關(guān)領(lǐng)域經(jīng)驗(yàn)豐富的專業(yè)人員參與，受地域、文化等多種因素的限制，注釋信息會(huì)有一定的片面性和主觀性，從而會(huì)影響檢索結(jié)果的準(zhǔn)確性。

基于內(nèi)容的檢索^[1]是根據(jù)3D模型的實(shí)際內(nèi)容進(jìn)行自動(dòng)檢索，人工干預(yù)較少，檢索更加精確。其主要?jiǎng)澐譃槿箢悾?1)基于形狀的檢索技術(shù)：基于形狀的檢索技術(shù)是提取3D模型的形狀特征，并根據(jù)形狀特征檢索。其優(yōu)點(diǎn)是從模型整體形狀進(jìn)行比較，忽略細(xì)節(jié)上的不同，比較接近人的視覺(jué)識(shí)別。這種方法的缺點(diǎn)是對(duì)于同種物體、不同形狀的模型，提取的形狀特征不同時(shí)可能會(huì)被認(rèn)為不相似；(2)基于拓?fù)浣Y(jié)構(gòu)的檢索技術(shù)：其優(yōu)點(diǎn)是對(duì)于同種物體的不同形狀模型，由于其拓?fù)浣Y(jié)構(gòu)相同，所以被認(rèn)為是相似的；缺點(diǎn)是形狀相似的模型可能會(huì)被認(rèn)為是不同的；(3)基于圖像比較的檢索技術(shù)，也是如今研究的熱點(diǎn)。

基于圖像比較的檢索技術(shù)主要通過(guò)將3D模型進(jìn)行多視角采集，轉(zhuǎn)化成2D圖像，并借助成熟的2D圖像檢索技術(shù)進(jìn)行3D模型檢索。由于真實(shí)物體進(jìn)行多視角采集時(shí)，隨光照、角度等外界因素的變化導(dǎo)致視圖視覺(jué)特征發(fā)生無(wú)規(guī)則變化。理想情況下，隨著視角的漸變，視覺(jué)特征變化應(yīng)該也是漸變的，但是現(xiàn)有的特征提取方法中，特征形式往往是突變的。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于增量慢特征的3D模型檢索方法及其檢索裝置，本發(fā)明降低了非 剛性模型特征提取的難度，提高了特征提取的穩(wěn)定性和準(zhǔn)確性，為后續(xù)的3D模型檢索提供了良好的條件，確保了檢索結(jié)果更加高效準(zhǔn)確，詳見(jiàn)下文描述：

一種基于增量慢特征的3D模型檢索方法，所述3D模型檢索方法包括以下步驟：

運(yùn)用有監(jiān)督的增量慢特征分析方法，對(duì)預(yù)處理后的視圖集進(jìn)行增量慢特征提??；

根據(jù)提取出的增量慢特征獲取增量慢特征的排序，根據(jù)排序結(jié)果篩選增量慢特征并生成3D模型的增量慢特征庫(kù)；

利用最近鄰算法對(duì)3D模型的增量慢特征庫(kù)進(jìn)行檢索匹配，獲取與候選模型相似的物體并輸出。

其中，所述3D模型檢索方法還包括：

獲取數(shù)據(jù)庫(kù)中物體的2D視圖集V，對(duì)2D視圖集進(jìn)行預(yù)處理，使得所有3D模型的視圖尺寸大小一致。

其中，所述運(yùn)用有監(jiān)督的增量慢特征分析方法，對(duì)預(yù)處理后的視圖集進(jìn)行增量慢特征提取的步驟具體為：

根據(jù)差分信號(hào)、協(xié)方差矩陣特征向量的第一個(gè)特征值、3D模型的第k張視圖的第一個(gè)次要成分，獲取3D模型第k張視圖的次要成分；