[發(fā)明專(zhuān)利]一種基于多視角分類(lèi)的三維物體檢索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910200982.1
• 申請(qǐng)日: 2019-03-15
• 公開(kāi)（公告）號(hào): CN110070626B
• 公開(kāi)（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 李靜;張念曾;李爾康
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06T19/20
• 分類(lèi)號(hào): G06T19/20;G06T3/00;G06T5/20;G06V10/762;G06F16/36
• 代理公司: 西安嘉思特知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 劉長(zhǎng)春

1.一種基于多視角分類(lèi)的三維物體檢索方法，其特征在于，包括：

獲取原始圖像；

對(duì)所述原始圖像進(jìn)行處理得到多視角圖像；

對(duì)所述多視角圖像進(jìn)行處理得到特征描述子；

對(duì)所述特征描述子進(jìn)行處理得到詞匯樹(shù)；

將待檢索圖像在所述詞匯樹(shù)中檢索得到所述原始圖像的序列號(hào)；

其中，對(duì)所述原始圖像進(jìn)行處理得到多視角圖像包括：

根據(jù)旋轉(zhuǎn)變換矩陣公式對(duì)所述原始圖像做旋轉(zhuǎn)得到第一圖像；

其中，所述旋轉(zhuǎn)變換矩陣公式為：

其中，I'(x,y)為旋轉(zhuǎn)后圖像的像素點(diǎn)坐標(biāo)，θ為旋轉(zhuǎn)的角度，x,y為旋轉(zhuǎn)之前圖像對(duì)應(yīng)的像素點(diǎn)坐標(biāo)；

對(duì)所述第一圖像進(jìn)行垂直方向上的高斯濾波得到第二圖像；其中，所述高斯濾波的高斯標(biāo)準(zhǔn)偏差因子參數(shù)為：其中，c＝0.8，1≤t≤7，t表示傾斜的程度值；

對(duì)所述第二圖像的高進(jìn)行1/t的因子乘積得到第三圖像；

對(duì)所述第三圖像采用至少三次樣條插值法進(jìn)行仿射變換得到多視角圖像。

2.根據(jù)權(quán)利要求1所述的一種基于多視角分類(lèi)的三維物體檢索方法，其特征在于，所述對(duì)所述多視角圖像進(jìn)行處理得到特征描述子，包括：

對(duì)所述多視角圖像進(jìn)行訓(xùn)練得到第一特征點(diǎn)；

對(duì)所述第一特征點(diǎn)進(jìn)行描述得到特征描述子。

3.根據(jù)權(quán)利要求2所述的一種基于多視角分類(lèi)的三維物體檢索方法，其特征在于，對(duì)所述多視角圖像進(jìn)行訓(xùn)練得到第一特征點(diǎn)包括：

對(duì)所述多視角圖像進(jìn)行高斯濾波得到第四圖像；

對(duì)所述第四圖像進(jìn)行DOG算法得到第五圖像；

在所述第五圖像中尋找極值點(diǎn)、極值點(diǎn)定位、極值點(diǎn)方向賦值得到第一特征點(diǎn)。

4.根據(jù)權(quán)利要求1所述的一種基于多視角分類(lèi)的三維物體檢索方法，其特征在于，所述對(duì)所述特征描述子進(jìn)行處理得到詞匯樹(shù)包括：

構(gòu)建一棵K層L個(gè)分支的樹(shù)型數(shù)據(jù)結(jié)構(gòu)；

對(duì)所述特征描述子進(jìn)行K-means聚類(lèi)得到聚類(lèi)中心；

將所述聚類(lèi)中心作為視覺(jué)詞匯放入所述樹(shù)型數(shù)據(jù)結(jié)構(gòu)的節(jié)點(diǎn)中得到詞匯樹(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于多視角分類(lèi)的三維物體檢索方法，其特征在于，所述將待檢索圖像在所述詞匯樹(shù)中檢索得到所述原始圖像的序列號(hào)包括：

對(duì)所述詞匯樹(shù)的每個(gè)節(jié)點(diǎn)加入詞頻向量權(quán)值；

對(duì)所述待檢索圖像進(jìn)行特征提取得到第二特征點(diǎn)；

將第二特征點(diǎn)與詞匯樹(shù)進(jìn)行對(duì)比計(jì)算得到相似圖像的序列號(hào)；

對(duì)所述相似圖像的序列號(hào)進(jìn)行序列號(hào)變換得到所述原始圖像的序列號(hào)。