[發明專利]一種基于譜圖小波描述子的非剛性三維模型檢索方法

有效

• 申請號: 201810101215.0
• 申請日: 2018-02-01
• 公開（公告）號: CN108280485B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 曾慧;王臣良;劉文麗
• 申請（專利權）人: 北京科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于譜圖小波描述子的非剛性三維模型檢索方法，其特征在于，包括：

計算三維模型點的譜圖小波描述子SGWS；

根據得到的譜圖小波描述子SGWS，利用BOP模型計算SGWS-BOP特征；

對得到的SGWS-BOP特征進行降維；

根據降維后的特征進行檢索；

其中，所述計算三維模型點的譜圖小波描述子SGWS包括：

計算每個三維模型點的譜圖小波函數系數及尺度函數系數，其中，計算尺度函數系數的尺度函數為：

其中，λ表示拉普拉斯–貝爾特拉米算子的特征值，λ_min是拉普拉斯–貝爾特拉米算子的最小特征值，γ是h(0)的值和譜圖小波核函數g的最大值相同時取的參數；

通過多分辨率將譜圖小波函數系數和尺度函數系數進行融合，生成譜圖小波描述子；其中，選取三次樣條基函數作為譜圖小波核函數，所述譜圖小波核函數表示為：

其中，p是拉普拉斯–貝爾特拉米算子的特征值λ與尺度變換參數t的乘積；若t為最大尺度，則表示為若t為最小尺度，則表示為λ_max是拉普拉斯–貝爾特拉米算子最大特征值；

其中，所述計算三維模型點的譜圖小波描述子SGWS包括：

對一三維模型，計算每個點的譜圖小波描述子，得到p×n的描述子矩陣S＝(s₁,s₂,…,s_n)；

其中，s_i表示三維模型上第i個點的譜圖小波描述子,p表示譜圖小波描述子的維數，n表示三維模型點的數目；

其中，所述根據得到的譜圖小波描述子SGWS，利用BOP模型計算SGWS-BOP特征包括：

使用FSFDP聚類算法確定初始聚類中心，其中，FSFDP聚類算法為基于快速查找密度峰值的聚類方法；

根據得到的初始聚類中心，使用K-means聚類算法對描述子矩陣S進行聚類，得到k個聚類中心點v₁,v₂,…,v_k，將得到的k個聚類中心點定義為視覺詞匯，得到p×k維的視覺詞典V＝{v₁,v₂,…,v_k}；

按照視覺詞匯對三維模型上的每個點進行特征軟分配，得到三維模型每個點的特征分布；

利用點的1-環鄰域點及其到原點的高斯距離，構建三維模型視覺單詞的空間排列模型；其中，點的1-環鄰域點是位于該點外側第一層且在幾何位置關系上直接相鄰的點；

將三維模型每個點的特征分布與其1-環鄰域點構建的空間排列模型相組合，利用兩點間的高斯距離確定相關性權重，計算三維模型的SGWS-BOP特征描述矩陣；

其中，三維模型上點x的特征分布表示為：θ(x)＝[θ₁(x),...,θ_k(x)]^T，其中，T表示轉置，θ_i(x)表示三維模型點x對于視覺詞典V中第i個視覺詞匯v_i的分布情況，θ_i(x)的計算式為：

其中，v_i代表對于視覺詞典V中第i個視覺詞匯，s(x)表示三維模型點x對應的譜圖小波描述子，||·||₂表示L2范數，σ為視覺詞典V＝{v₁,v₂,…,v_k}中視覺詞匯之間的平均距離的兩倍，c(x)表示歸一化系數；

其中，所述將三維模型每個點的特征分布與其1-環鄰域點構建的空間排列模型相組合，利用兩點間的高斯距離確定相關性權重，計算三維模型的SGWS-BOP特征描述矩陣包括：

將三維模型每個點的特征分布與其1-環鄰域點構建的空間排列模型相組合，利用式計算三維模型的SGWS-BOP特征描述矩陣；

其中，y是點x的1-環鄰域點，n(x)表示點x的1-環鄰域點集合，α(x)、α(y)分別表示點x、點y的鄰域面積，G(x,y)表示點x和y之間的高斯距離，σ表示點x與其所有1-環鄰域點距離的平均值。