[发明专利]一种基于遗传和声混合搜索的模型相似性计算方法

说明书

本发明涉及一种基于遗传和声混合搜索的模型相似性计算方法。本发明利用边数差异来计算源模型面与目标模型面的形状相似度。利用面邻接关系来计算源模型面与目标模型面的结构相似度。以面的形状相似度和结构相似度为基础，构造源模型与目标模型的面相似性矩阵。利用遗传和声混合搜索算法找出最优面匹配对序列。通过累积源模型面与目标模型面之间的相似性，来度量两个模型之间的相似度。本发明能够更好地衡量两个三维CAD模型之间的差异。

技术领域：

本发明涉及一种基于遗传和声混合搜索的模型相似性计算方法，该方法在三维CAD模型相似性计算领域中有着很好的应用。

背景技术：

最近10年间三维模型数量呈现出几何级的增长趋势。随着互联网的急速发展以及互联网在人们生活中的广泛普及，媒体之间的信息交流愈加方便、频繁。三维模型广泛应用于工作、生活。人们对三维模型进行分析、匹配与检索的需求越来越迫切了。因此，三维模型检索的研究现已变得非常重要。

在三维CAD模型检索方面，已经采用了很多算法，例如：应用贪心算法进行模型相似性计算。由于贪心算法是非智能算法，算法较为简便，所以利用贪心算法来计算模型相似性容易陷入局部最优。在三维模型相似性计算中，为了在尽可能大的邻域范围内寻找最优解，避免陷入局部最优，本发明提出了一种基于遗传和声混合搜索的模型相似性计算方法。

发明内容：

为了准确地度量三维模型之间的差异，本发明公开了一种基于遗传和声混合搜索的模型相似性计算方法。

为此，本发明提供了如下技术方案：

1.一种基于遗传和声混合搜索的模型相似性计算方法，其特征在于，该方法包括以下步骤：

步骤1：利用边数差异来计算源模型面与目标模型面的形状相似度。利用面邻接关系来计算源模型面与目标模型面的结构相似度。以面的形状相似度和结构相似度为基础，构造源模型与目标模型的面相似性矩阵。

步骤2：在源模型与目标模型的面相似性矩阵中，利用遗传和声混合搜索算法进行搜索，寻找最优面匹配对序列。

步骤3：以最优面匹配对序列为基础，通过累积源模型面与目标模型面之间的相似性，来计算源模型与目标模型之间的相似度。

2.根据权利要求1所述的一种基于遗传和声混合搜索的模型相似性计算方法，其特征在于，所述步骤1中，具体步骤为：

步骤1-1对源模型面与目标模型面分别进行编号。源模型A包括面f₁,f₂,...,f_n，目标模型B包括面g₁,g₂,...,g_m，假设m≤n。统计每个面所包含的边数。利用公式(1)来计算源模型面f_i与目标模型面g_j的形状相似度S_s(f_i,g_j)：

其中，N(f)表示面f所包含的边数，max(x,y)表示x与y中的最大值。

步骤1-2利用面邻接关系来计算源模型面与目标模型面的结构相似度。在模型中，面f_a与面f_b之间的邻接关系计算过程如下：

其中，f_a与f_b表示同一个模型的两个不同面。

对源模型面f_i、f_s与目标模型面g_j、g_t而言，其邻接对应关系计算过程如下所示：