[发明专利]基于低秩顶点轨迹子空间提取的动画网格序列压缩方法

摘要

本发明公开了一种基于低秩顶点轨迹子空间提取的动画网格序列压缩方法，包括：1)运动分析(刚性块聚类)；2)姿态对齐(低秩刚性块对齐)；3)主成分分析；4)预测与量化；5)解压与重构处理五个步骤。主要流程：给定输入三维形状序列，该方法首先通过分析该输入序列的运动方式来对其分割并据此估计刚性变换矩阵从而得到顶点轨迹在低秩子空间上对齐的形状序列，接着通过主成分向量矩阵得到主成分系数矩阵，之后通过线性预测算子得到预测后的残差，以二进制文件的方式保存，最后可利用此文件重构原始的动画网格序列。本发明解决的是动画网格序列的高效压缩问题，可以应用到动态网格序列的压缩表示、高效存储和高效传输。

主权项

1.基于低秩顶点轨迹子空间提取的动画网格序列压缩方法，其特征在于，包括以下步骤：1)刚性块聚类将运动物体分割为若干接近于刚性运动的块；计算每个顶点在帧间的刚性变换，并对这些刚性变换进行K‑means聚类，使得每个顶点即轨迹位于相应的刚性块中；刚性块表示为其中，N_S是块的数目；2)低秩刚性块对齐对步骤1)进行刚性变换后的新轨迹进行低秩分析，目的是估计可以令到所有轨迹位于低秩子空间的刚性变换；记这些变换序列的集合为用来表示对齐后的网格序列，其中，是第f帧中新的三维空间嵌入；类似地，采用P^f以及来分别表示对齐后的顶点位置、形状矩阵以及形状序列矩阵；建立关系：其中，j(i)表示顶点i所在刚性块的索引；3)主成分分析对步骤2)对齐后的形状序列矩阵进行主成份分析，计算对应的主成份方向和混合系数；在这个阶段，处理的数据不再是轨迹本身，而是每条顶点轨迹相对于平均网格的偏移轨迹；4)预测与量化对步骤3)产生的数据进行进一步的预测和量化；这个阶段主要利用网格自身的几何信息以及运动时的连贯性来预测既得数据，从而得到与既得数据非常接近的预测数据；其后，保存的是预测数据及其与既得数据之间的残差；残差是用过浮点数来表示；最终，通过算术编码器量化浮点数并得到残差的整数即近似表达，以二进制文件的方式保存；5)解压与重构处理解压端将利用步骤4)保存好的整数数据，包括PCA基、PCA混合系数以及锚点，通过泊松方程重构对齐后序列；紧接着，解压刚性变换并将其作用到对齐序列，最终重构原始的动画网格序列；由于涉及泊松方程，需要为原始数据寻找锚点，一方面用于使得该方程有唯一解，另一方面用于补偿由于PCA和量化过程引起的拉普拉斯轨迹误差所导致变形；新的压缩方法的计算框架可以用下面的公式来描述：其中，M是给定的数据矩阵，是作用到M上的刚性变换，Φ是主成份向量矩阵，其取值取决于变换后的M，L则是作用至主成份系数矩阵的线性预测算子，代表预测后的残差。