[發(fā)明專利]一種基于多標簽傳播的三維模型標注方法

在審

• 申請?zhí)枺?/td>: 201810797793.2
• 申請日: 2018-07-19
• 公開（公告）號: CN109241990A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計）人: 吳子朝;湯程心;丁珩柯;王毅剛
• 申請（專利權(quán)）人: 杭州電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明提出了一種新型的基于多標簽傳播的三維模型標注方法，本發(fā)明允許用戶僅僅通過對少量樣本的標注，結(jié)合樣本空間中的樣本關(guān)聯(lián)關(guān)系，就能計算出整個樣本空間的分類結(jié)果。另外，由于多標簽傳播的特點，發(fā)明的分類方法不僅是基于多標簽分類，還充分利用了樣本之間的關(guān)聯(lián)關(guān)系，使得多標簽分類的結(jié)果精度更高。具有收斂速度快，耗時短等諸多優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明涉及三維模型分析處理技術(shù)，尤其涉及一種基于多標簽傳播的三維模型標注方法。

背景技術(shù)

近年來隨著數(shù)據(jù)采集設(shè)備與技術(shù)的迅猛發(fā)展，導致三維模型在計算機的很多領(lǐng)域得到廣泛應(yīng)用。海量的三維模型帶來了關(guān)于三維模型檢索與分類等方向的研究熱潮，也因此帶來了不少的問題。其中一個較大挑戰(zhàn)就是，對海量的三維模型數(shù)據(jù)進行檢索需要高效的分類算法，而與傳統(tǒng)的數(shù)據(jù)表現(xiàn)形式不同的是，三維模型復雜的數(shù)據(jù)構(gòu)成使得我們對其進行特征提取與標簽標注的難度成倍地上升。

為了解決這一問題，目前有許多的三維模型分類算法被提出。從特征測量方式的角度，它們主要被分為以下三種:基于視圖，基于體素結(jié)構(gòu)柵格化與基于點云數(shù)據(jù)。基于視圖的方法對三維模型進行環(huán)繞拍照，將三維模型的特征轉(zhuǎn)化為二維圖形的特征集合，雖然模糊了數(shù)據(jù)但是保留了大多數(shù)的模型細節(jié)，相比而言擁有最高的效率與精度比。這些方法經(jīng)常也和機器學習相結(jié)合，例如監(jiān)督學習與半監(jiān)督學習方法，得到對三維模型的高層次語義理解。其中，基于監(jiān)督學習的分類算法擁有理論上最高的分類精度，也是最流行的分類算法。但是同樣地，它的算法精度嚴重依賴于其訓練數(shù)據(jù)集，需要對所有的訓練樣本進行標注。而半監(jiān)督的學習方式僅需要對樣本空間進行少量標注，依靠樣本的關(guān)聯(lián)關(guān)系發(fā)掘整個樣本空間的標注潛力，其中標簽傳播是一種簡單卻行之有效的基于圖的分類算法。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提出了一種新基于多標簽傳播的三維模型標注方法，

本發(fā)明內(nèi)容的主要步驟是：

步驟一：多維視圖獲取

將三維模型置于等比例的正十二面體之中，并將二十個光場相機置于正十二面體的各個頂點之上，對每一個三維模型提取相同角度的二十張圖片作為描述圖；每張描述圖表示為I_i，v，即第i個模型的第v張圖像；

步驟二：相似距離計算

對每張圖像I_i，v，計算它們有梯度直方圖，得到每張圖像的特征表示H_i，v；計算的過程如下：1.將圖片樣本轉(zhuǎn)換成灰度圖；2.對樣本采取高斯平滑后，計算樣本梯度；3.對樣本圖片進行單元劃分；梯度方向量化為九個區(qū)域；將梯度值作為權(quán)重值加入到像素空間中；4.對尺度進行歸一化，從而有效地減少背景與陰影的影響；5.統(tǒng)計鏈接直方圖，將特征方向存儲于一個1*3780的矩陣中，得到特征描述H_i，v；

對每個模型，將20張圖像的特征描述連接起來，形成形狀的特征描述F_i＝(H_i，1；H_i，2；...；H_i，20)；通過計算兩個形狀的特征描述的相似性距離，得到形狀間的相似距離d_(i，j)＝||F_i-F_j||²，這里d_(i，j)表示第i個模型和第j個模型的相似距離；

步驟三：多標簽傳播