用于三维模型集的交互式共分割方法技术

一种用于三维模型集的交互式共分割方法，其中，该方法包括自动共分割步骤：将每一个模型分割成至少两个部件；一致性判断步骤：将任两个模型中的两个部件进行一致性判断并做聚类分析判断出同类部件；交互步骤：将同类部件进行用户判断并回到一致性判断步骤直到生成最佳结果。本发明专利技术能将用户的知识融入到共分割中，交互式共分割大规模模型集合，具有计算快速、操作简单，分割精度高、计算快速，在数字娱乐与艺术、消费类电子、医学图像处理、目标识别等领域具有广阔的应用前景。

【技术实现步骤摘要】
【专利摘要】一种，其中，该方法包括自动共分割步骤：将每一个模型分割成至少两个部件；一致性判断步骤：将任两个模型中的两个部件进行一致性判断并做聚类分析判断出同类部件；交互步骤：将同类部件进行用户判断并回到一致性判断步骤直到生成最佳结果。本专利技术能将用户的知识融入到共分割中，交互式共分割大规模模型集合，具有计算快速、操作简单，分割精度高、计算快速，在数字娱乐与艺术、消费类电子、医学图像处理、目标识别等领域具有广阔的应用前景。【专利说明】【
】本专利技术涉及图形图像处理
，特别涉及同时分割一组语义相同但形状差异很大的三维模型集合的共分割方法。【
技术介绍
】三维模型分割是将三维几何模型分解成一组数目有限、各自具意义的子网格。然而“有意义”的定义与人的认知密切相关，是一个非常主观的概念。根据对“有意义”的不同定义，人们设计出了多种三维模型分割方法，比如分水岭方法、K-means方法、Mean_shift方法、区域增长方法、基于二次图元拟合的层次聚类方法、基于对称性的图分割方法、基于侧地距离的谱聚类方法、随机游走模型方法、随机切割方法等。然而，对于大规模的复杂模型，这些方法所需要的条件都很难满足，传统的分割过程没有考虑到不同模型形状之间的关系，单独地分割所有模型后再建立对应关系很难保证分割结果的一致性，实有待改善。【
技术实现思路
】有鉴于现有技术分割方法的缺陷，有必要提供一种计算快速、便于操作的基于主动半监督学习的共分割方法。为实现上述目的，本专利技术采用如下方案:—种，其中，该方法包括:自动共分割步骤:将每一个模型分割成至少两个部件；—致性判断步骤:将任两个模型中的两个部件进行一致性判断并做聚类分析判断出同类部件；交互步骤:将同类部件进行用户判断并回到一致性判断步骤直到生成最佳结果。所述的，其中，该自动共分割步骤中将每一个模型最多分割成五个部件。所述的，其中，该一致性判断步骤采用先验知识单元进行一致性判断。所述的，其中，若模型有K个标间，类C内有η个点，X是类C内的一个点，X的轮廓系数为:其中【权利要求】1.一种，其特征在于，该方法包括: 自动共分割步骤:将每一个模型分割成至少两个部件； 一致性判断步骤:将任两个模型中的两个部件进行一致性判断并做聚类分析判断出同类部件； 交互步骤:将同类部件进行用户判断并回到一致性判断步骤直到生成最佳结果。2.根据权利要求1所述的，其特征在于，该自动共分割步骤中将每一个模型最多分割成五个部件。3.根据权利要求1所述的，其特征在于，该一致性判断步骤采用先验知识单元进行一致性判断。4.根据权利要求1或3所述的，其特征在于，若模型有K个标间，类C内有η个点，X是类C内的一个点，X的轮廓系数 5.根据权利要求4所述的，其特征在于，S(X)是一个O到I之间的数。6.根据权利要求5所述的，其特征在于，当S(X)靠近O的点推荐给用户，同时S(X)相邻两类的类内S(X)很大的点作为确定点一起推荐给用户。7.根据权利要求1所述的，其特征在于，该交互步骤中用户对聚类部件判断为同类、不同类或说不清。8.根据权利要求7所述的，其特征在于，还包括一步骤，将该交互步骤中用户的判断结果归到该先验知识存储单元。【文档编号】G06T7/00GK103903245SQ201210572658【公开日】2014年7月2日 申请日期:2012年12月25日 优先权日:2012年12月25日 【专利技术者】汪云海, 谢晓华, 黄惠, 陈宝权 申请人:中国科学院深圳先进技术研究院本文档来自技高网...

【技术保护点】
一种用于三维模型集的交互式共分割方法，其特征在于，该方法包括：自动共分割步骤：将每一个模型分割成至少两个部件；一致性判断步骤：将任两个模型中的两个部件进行一致性判断并做聚类分析判断出同类部件；交互步骤：将同类部件进行用户判断并回到一致性判断步骤直到生成最佳结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：汪云海，谢晓华，黄惠，陈宝权，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44