[發(fā)明專利]一種三維模型檢索方法

有效

• 申請?zhí)枺?/td>: 201611008301.4
• 申請日: 2016-11-16
• 公開（公告）號: CN106599053B
• 公開（公告）日: 2020-02-04
• 發(fā)明（設計）人: 周燕;曾凡智;楊躍武
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/435;G06K9/00;G06K9/36;G06K9/46
• 代理公司: 44245 廣州市華學知識產(chǎn)權代理有限公司
• 代理人: 梁瑩;顧思妍

1.一種三維模型檢索方法，其特征在于：包括以下步驟：

步驟1：輸入三維模型；

步驟2：將輸入的三維模型標準化進行姿勢矯正，以消除不同模型的平移、縮放和旋轉(zhuǎn)所造成的影響；

步驟3：將三維模型的格式轉(zhuǎn)換為離散體素化格式的三維模型和三維網(wǎng)格模型，以便特征提取；

步驟4：對三維網(wǎng)格模型采用基于射線的三維模型切比雪夫特征提取方法進行特征提取，得到低維度的壓縮感知特征F_CSCR；對離散體素化格式的三維模型采用基于壓縮感知的三維模型特征提取方法進行特征提取，得到空間分層特征，即為壓縮感知特征F_HCS和分層熵特征F_ENT；

步驟5：采用監(jiān)督學習的融合特征系數(shù)尋優(yōu)方法得到壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT的權值系數(shù)；

步驟6：建立多特征融合檢索模型庫，對壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT進行融合檢索，并與多特征融合檢索模型庫的特征比較；

步驟7：顯示待檢索的三維模型和模型庫中各個模型的相似度；所述相似度是利用將壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT分別與各自權值系數(shù)乘積后進行求和得到的數(shù)值；

步驟4中，所述基于壓縮感知的三維模型特征提取方法是指：

首先，選取離散體素化格式的三維模型，再選取各個視角的方位作為參考平面，并設計等高變換函數(shù)，將三維模型通過等高變換函數(shù)實現(xiàn)空間分層，得到空間分層模型；

其次，將每個空間分層模型投影到參考平面，構造投影矩陣，并提取投影矩陣的信息熵；

最后，對各個投影矩陣進行稀疏處理，并進行二維壓縮感知處理，得到壓縮感知特征F_HCS和分層熵特征F_ENT；

步驟4中，所述基于射線的三維模型切比雪夫特征提取方法是指：

首先，將三維網(wǎng)格模型進行WPCA預處理矯正，以消除三維網(wǎng)格模型因為方位、旋轉(zhuǎn)和縮放的影響；

其次，建立模型的切比雪夫球面，對其表面進行經(jīng)緯區(qū)域劃分，并將WPCA預處理矯正后的三維網(wǎng)格模型置于切比雪夫球面的單位球內(nèi)，設計采樣窗口；

再次，將采樣窗口內(nèi)的面片進行三角密集化處理，對密集點處理得到區(qū)域內(nèi)的最大采樣距離和最小采樣距離，形成二維特征信號，即為切比雪夫特征原始信號；

最后，將切比雪夫特征原始信號進行稀疏處理，并進行二維壓縮感知處理，得到低維度的壓縮感知特征F_CSCR；

步驟5中，所述采用監(jiān)督學習的融合特征系數(shù)尋優(yōu)方法得到壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT的權值系數(shù)是指，包括以下步驟：

步驟s301：設定壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT的初始權值系數(shù)為λ_i,i＝1,2,3，并設定檢索模型代表第i類中的任意一個模型，Q_i,i＝1,2,...,K是第i類模型樣本子集合,K代表模型總分類數(shù)量；在檢索結果中，選取前m_C個模型進行統(tǒng)計，表示三維模型q_ij采用第l類特征進行檢索時，屬于第i類的數(shù)量；m_i代表Q_i中包含模型的個數(shù)；

步驟s302：以F-score為評價參數(shù)，設第l類特征在模型子集合Q_i上檢索效率為A_l(Q_i)，計算公式如下：

步驟s303：分別計算壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT的平均檢索效率公式如下：

其中代表學習樣本模型集合的三維模型總數(shù)量，代表第l類特征的平均檢索效率；

步驟s304：根據(jù)平均檢索效率更新壓縮感知特征F_CSCR、壓縮感知特征F_HCS和分層熵特征F_ENT的權值系數(shù)，以得到三個特征的權值系數(shù)：