[发明专利]一种基于流行学习的视图三维模型检索方法

说明书

技术领域

本发明涉及视图三维模型检索领域，尤其涉及一种基于流行学习的视图三维模型检索方法。

背景技术

近年来，随着多媒体技术的快速发展，人们从声音、图像以及视频中获取的信息已经不能满足需求。三维模型应运而生，并且其应用领域也变得越来越广泛^[1]。三维模型可以提供更加直观、生动形象的视觉感受，比二维图像包含更多的物体信息，因此广泛应用在3D游戏、虚拟现实、工业制造、医学图像等领域。如今互联网上三维模型数量不断增多、模型数据库也在不断增大，面对庞大的三维模型数据库，如何使得用户准确、快速的寻找到符合需求的三维模型，进而实现资源的快速利用成为众多学者研究热点。如何合理的描述三维模型即特征提取成为三维模型检索首先需要解决的难点问题^[2]。视图三维模型检索成为当下该领域的研究热点。

视图三维模型检索是基于计算机视觉、数字图像处理、多媒体信息分析以及机器学习等技术，借助计算机处理技术，对数据库中的三维模型的视图进行处理、分析以及比较的过程。当前，三维模型检索技术主要分为两类：基于文本的检索和基于内容的检索。

其中，基于文本的检索方式使用文本或者编码的方式对三维模型进行标注和分类，在早期的三维模型检索中起到了巨大的作用^[3]。该方法简单明了，易于操作与上手，但是由于标注时参与了过多的主观性，具有很强的片面性，所以并不能充分和准确的反映出原始三维模型所代表的全部信息。检索结果并不能很好的呈现用户的意图。

其中，基于内容的检索方式则主要通过研究三维模型的空间分布特征，预处理后通过特征提取函数，提取出三维模型的相关特征，将复杂的三维模型抽象为能够准确描述原始三维模型的描述子，然后进行相似性度量。这种方式避免了人工干预，很好的提高了检索的准确度。两类方法各有优劣，但是基于内容的检索能够利用发展较为成熟的二维图像处理技术而得到了广泛的应用。

目前在基于视图的三维模型检索中遇到的难点是：采集视图的时候，由于每个三维模型由多个视图组成，视图之间冗余信息过多，导致模型之间相似度计算的难度增加。

发明内容

本发明提供了一种基于流行学习的多视图三维模型检索方法，避免了传统的视图检索中冗余信息，降低了模型间相似性度量的复杂度，提高了三维模型检索的精度，详见下文描述：

一种基于流行学习的视图三维模型检索方法，所述视图三维模型检索方法包括以下步骤：

在训练模型库中，进行数据标注构建能量函数，利用优化理论，学习传统视图特征向流行空间映射的映射函数，采用局部线性嵌入映射函数，通过样本训练得到模型参数；

利用映射函数计算测试数据在流行空间下的特征向量，作为特征数据库；从视图模型库中随机选择一物体作为查询目标，再选取任一物体作为比较目标；

理论分析进行相似度计算，采用欧氏距离计算两两模型之间的相似度；将查询目标在流行空间的特征向量、以及特征数据库中的所有模型在流行空间的特征向量进行匹配概率降序排列，得到最终的检索结果。

其中，所述训练模型库具体为：

选取模型数据库中部分物体的视图，将该部分物体的总视图集定义为训练模型库。

其中，所述利用映射函数计算测试数据在流行空间下的特征向量，作为特征数据库的步骤具体为：

计算出测试数据特征向量每个样本的K个近邻点；计算局部重建权值矩阵，定义重构误差函数；

利用局部线性嵌入映射函数对查询目标和比较目标的初始特征向量集进行映射，得到在流行空间下的特征向量集。

将损失函数值的特征值从小到大进行升序排列，取第2～d+1之间的特征值所对应的特征向量作为输出结果。

本发明提供的技术方案的有益效果是：

1、本发明通过对获取的三维模型的视图进行特征提取、流行空间映射、获取检索目标和数据库物体之间的相似度，提高了多视角目标检索的正确率；

2、解决了基于视图的三维模型检索算法中视图之间存在冗余信息的问题，降低了相似性度量的难度；

3、采用局部线性嵌入映射函数(LLE)实现了三维模型在流行空间下的检索；

4、将视图三维模型检索应用到流行空间，很好的保留了三维模型的流行结构，比单纯的计算欧式距离，效果更好。

附图说明

图1为基于流行学习的多视图三维模型检索方法的流程图；

图2为流行学习的三维模型检索框图；

图3为三维模型在流行空间映射的示意图；