[发明专利]基于互联网图像的三维模型最佳视角自动获取方法

权利要求书

1.一种基于互联网图像的三维模型最佳视角自动获取方法，其特征在于包含以下步骤：

1)利用基于颜色对比度的图像特征提取方法，求取下载的网络图像的特征图；

2)输入三维模型求出三维模型表面各顶点的曲率，用以表征三维模型表面的形状特征即得到三维模型的表面形状特征的投影图；

3)基于三维模型的投影图像和网络图像的轮廓匹配的重合度，该重合度衡量两幅图像之间相互重合的程度，并通过求取两幅图像之间最大的重合程度，计算出表征图像之间轮廓相似程度的能量函数；

4)基于三维模型的投影图像和网络图像的轮廓形状的相似度，该相似度表征两幅图像之间图像形状的一致性，并依据该相似度求出表征形状相似性的能量函数；

5)基于三维模型的表面形状特征的投影图和下载的网络图像的特征图的细节特征的吻合度，该吻合度确认两幅图像的重合程度，依据该细节特征的吻合度，求出对应的特征能量函数；

6)根据三维模型的表面形状特征的投影图和下载的网络图像的特征图的相似程度，用统计的方法求取最佳视角，所述的相似程度是相似程度的能量函数、相似性的能量函数和特征能量函数叠加的结果。

2.如权利要求1所述的基于互联网图像的三维模型最佳视角自动获取方法，其具体的执行步骤如下：

步骤一：对于输入的三维模型M，在不同视角均匀地对其做平行投影，获取其投影图集P；

步骤二：用输入的三维模型M的关键字在网络上下载相关图像，并用graph cut算法分割出网络图像的前景，组成网络图集I；

步骤三：分别求出投影图集P和网络图集I中各图像的掩膜图；

步骤四：利用步骤三求取的掩膜图，首先将投影图像的掩模图和网络图像的掩模图的目标置于同一坐标系，并利用主成分分析算法对投影图像的掩模图和网络图像的掩模图的坐标进行调整，然后将两幅图像I_i和P_j的轮廓相似度定义为：

[式一]

Ai,j=exp(-Area(Ii-Pj)+Area(Pj-Ii)2·Area(Ii∩Pj))]]>

其中I_i-P_j表示包含于I_i但是不包含于P_j的区域，P_j-I_i表示包含于P_j但是不包含于I_i的区域，I_i∩P_j表示同时包含在I_i和P_j中的部分，Area表示该区域的面积；

步骤五：对于步骤三求取的掩膜图，利用Canny算子分别求出投影图像的掩模图和网络图像的掩模图的边缘图U和V：首先，分别对边缘图U和V进行采样和给定点集p_i，各采样点的结构信息定义为：

[式二]

h_i(k)＝#{q≠p_i：(q-p_i)∈bin(k)}

其中，bin(k)表示像素点位于圆盘内第k个区域内的点的个数，且在对数空间进行归一化；q是指在p_i所在边缘图像内与点p_i的距离关系满足条件(q-p_i)∈bin(k)的点；

给定点对{p_i，q_j}，定义这两点的形状不一致度为：

[式三]

ci,j=12Σk=1K[hi(k)-hj(k)]2hi(k)+hj(j)]]>

其中，K表示统计点的结构信息时圆盘分块区域的个数，h_i(k)和h_j(k)分别表示[式二]中定义的点p_i和点q_j的结构信息；

给定两幅图边缘的采样点集{p_i}和{q_i}，定义这两幅图的形状相似度为：

[式四]

Ci,j=exp(-Σici,π(i))]]>

式中，π是使[式三]中函数获得最小形状不一致度的排列；

步骤六：对于网络图像I，在其R、G、B三个颜色空间，定义图像中每一点x_k的特征值为：

[式五]

Att(xk)=Σn=0255fnD(m,n)]]>

式中，f_n表示像素点x_k的像素值a_n在本幅图像中的出现频率，D表示像素值之间的距离；

为了进一步提取出图像中明显区别于其它点的特征点，将点x_k的特征值修正为：

[式六]

SalI=||▿Att||]]>

其中，表示求取梯度，||.||表示取模；

步骤七：对于给定的三维模型M，计算出该模型各顶点的曲率，将其定义为各顶点的特征值SalM；

步骤八：给定两幅图像I_i和P_j，定义它们之间的细节特征的吻合度为：

[式七]

Si,j=exp(-Σxk∈Ii∩Pj||SalI(xk)-SalM(xk)||)]]>

对步骤六计算出的颜色特征图像和步骤七计算出的曲率特征图像，利用[式七]计算出他们之间的细节吻合度；

步骤九：结合前面求得的轮廓相似度、形状相似度和细节特征吻合度，定义两幅图像之间相似度能量函数为：

[式八]

d_i，j＝w₁A(I_i，P_j)+w₂C(I_i，P_j)+w₃S(I_i，P_j)

其中，w₁，w₂，w₃分别为三个能量函数的权值，A、C、S分别表示两幅图像的轮廓相似度、形状相似度和细节特征吻合度；

步骤十：对于投影图集P中每一幅图像，分别与网络图像集I中图像对比，并求出它们之间的相似度能量函数d_i，j， 设置一个阈值D，利用抽样统计方法，计算出判定网络图像集I中图像I_i与投影图集P中图像P_j是否属于模型的同一视角的阈值D，统计出与P中各个视角的相似度能量函数d_i，j大于阈值D的个数，并对这些个数进行降幂排序，取出个数最大的三组数，这就是我们求得的最佳的三个视角投影图；

步骤十一：根据计算出的三个最佳视角投影图，参照获取图集P时所设置的视角的坐标信息，最终确认该模型的三个最佳视角。