一种基于多图匹配的三维模型检索方法技术

本发明专利技术公开了一种基于多图匹配的三维模型检索方法，包括以下步骤：结合相似性最大原理、一元或二元匹配一致性原理，对初始匹配矩阵进行一元或二元逐步一致性正则化计算，找到多视图中最佳的中间级图；根据节点匹配一致性、掩膜、最佳的中间级图，获取转换后的一元匹配一致性或二元匹配一致性；重复上述步骤，构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵；对最终匹配矩阵进行归一化处理，获取到的列序列即为数据库中两两三维模型之间的相似度；对相似度进行排序，从而实现三维模型的检索。本发明专利技术有效避免了变形噪声和异常值的产生，将图匹配与三维模型数据库的整体信息相结合，提高了图匹配检索的效率和精度。

【技术实现步骤摘要】
一种基于多图匹配的三维模型检索方法
本专利技术涉及三维模型检索领域，特别涉及一种基于多图匹配的三维模型检索方法。
技术介绍
三维模型作为一种比二维图片更加丰富多彩的多媒体数据类型在近几年正不断进步和发展。一方面，建模工具、三维扫描器、三维图形加速硬件等等设备的发展使得接入和产生高质量的三维模型成为可能。尤其是微软Kinect[1]的专利技术和使用有力的推动和促进了这个发展趋势。另一方面，计算机图形学的发展，工业产品设计，三维场景[2]，虚拟现实等等三维模型的应用使得三维模型被广泛传播和使用。三维模型在娱乐、医学、工业等应用领域的研究和使用得到了认同，多媒体信息技术的进步使得三维模型的应用达到了空前的规模，目前每天都有大量的三维模型诞生和传播。因此，如何提高3D模型检索[3]方法的准确性和高效性成为业界一个亟待解决的问题。图匹配检索是基于数字图像处理、计算机视觉和机器学习等技术，借助于计算机处理技术，对数据库中物体的多视角视图进行分析比较的过程。图匹配在一系列计算机视觉任务中始终拥有着核心地位，如生物信息学，数据融合，场景分析，图论[4]和信息检索[5]。图匹配通过计算节点到节点和边到边的结构相似性来实现模型匹配的目的，然而在许多实际应用中，需要进行匹配和检索的对象不会单独或成对出现，更常见的是呈集合式出现，因此这种情况下就需要更高质量的匹配和分析，即多图匹配。在给定一组三维模型的相关图结构，从所有模型中找到相应的匹配从而实现模型检索。不同于传统图匹配，多图匹配对匹配过程中容易产生的变形噪声，丢失数据和异常值等问题具有更好的鲁棒性。多图匹配检索方法目前面临的主要挑战为：多图匹配的过程中涉及到三维模型数据库的整体信息，而且数据库中不同类别模型的多样性导致了多图匹配对象之间的联系也具有多样性，如今大多数图匹配方法只考虑到了两两模型之间的相似性，限制了实际应用范围。
技术实现思路
本专利技术提供了一种基于多图匹配的三维模型检索方法，有效避免了变形噪声和异常值的产生，将图匹配与三维模型数据库的整体信息相结合，提高了图匹配检索的效率和精度，详见下文描述。一种基于多图匹配的三维模型检索方法，所述三维模型检索方法包括以下步骤：结合相似性最大原理、一元或二元匹配一致性原理，对初始匹配矩阵进行一元或二元逐步一致性正则化计算，找到多视图中最佳的中间级图；根据节点匹配一致性、掩膜、最佳的中间级图，获取转换后的一元匹配一致性或二元匹配一致性；重复上述步骤，构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵；对最终匹配矩阵进行归一化处理，获取到的列序列即为数据库中两两三维模型之间的相似度；对相似度进行排序，从而实现三维模型的检索。其中，所述三维模型检索方法还包括：采集各物体的多视角彩色视图，提取掩膜后得到的初始视图集，将所有物体的总视图集定义为三位模型数据库，进行特征提取计算初始匹配矩阵。其中，所述特征具体为：卷积神经网络矩特征。其中，所述转换后的一元匹配一致性或二元匹配一致性具体为：其中，为排除冗余点之后的一元匹配一致性，为排除冗余点之后的二元匹配一致性，ni表示匹配相关点，N为数据库中三维模型的数目，i、j为两两匹配中图的序号，k为最佳中间级图的序号，ψc(Xij-XikXkj,X,ni)为用于排除Xij-XikXkj中冗余点的“掩模”，||||F为常见范数的表示方法。其中，所述构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵的步骤具体为：若C(X(t))≠1且C(X(t))＜γ时，构建相似性超图，利用最大生成树算法找到相似性超图的最大生成树结构；C(X(t))≠1且C(X(t))≥γ时，构建一致性超图，利用最大生成树算法找到一致性超图的最大生成树结构；由最大生成树结构生成的超图匹配矩阵就是最终匹配矩阵；其中，C(X(t))为t次迭代后匹配矩阵X的整体一致性，X(t)为t次迭代后三维模型数据库的匹配矩阵，γ为匹配矩阵整体一致性的判断阈值。本专利技术提供的技术方案的有益效果是：1、已有的图匹配算法通常会在迭代优化过程中降低检索效率，提出基于构图的多图匹配方法，通过局部匹配相似性和全局匹配一致性，在考虑到数据库整体信息的基础上进行相似性最优化，并构造出新的图匹配结构；2、为减少冗余点对图匹配结果的负面影响，在所提出的图匹配算法中添加相关点筛选机制，降低算法计算复杂度，提高3D检索效率；3、有效避免了变形噪声和异常值的产生，提高了图匹配检索的效率和精度。附图说明图1为一种基于多图匹配的三维模型检索方法的流程图；图2为天津大学MV-RED(多视角彩色-深度)数据库中物体的彩色视图样例；图3为天津大学MV-RED(多视角彩色-深度)数据库中从不同的角度获取香蕉的RGB和深度图像样例；图4为六种算法的查准-查全曲线；图5为六种算法的性能评测柱形图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。为了解决以上问题，需要能够全面、自动、准确进行多图匹配并实现三维模型检索的方法。实施例1基于视图的三维模型检索方法，主要分为四个主要阶段：视图采集、视图选择、特征提取和目标匹配。其中目标匹配部分是研究的重点内容，主要采用图匹配的技术，为解决多图匹配的问题，提出基于构图的相似性优化算法，通过匹配一致性原则逐步实现匹配矩阵正则化，提高检索准确度。更进一步，利用节点匹配一致性和相似性形成有效节点的筛选机制。利用现有的相似度比较方法进行常见的三维模型数据库检索。一种基于多图匹配的三维模型检索方法，参见图1，该三维模型检索方法包括以下步骤：101：结合相似性最大原理、一元或二元匹配一致性原理，对初始匹配矩阵进行一元或二元逐步一致性正则化计算，找到多视图中最佳的中间级图；102：根据节点匹配一致性、掩膜、最佳的中间级图，获取转换后的一元匹配一致性或二元匹配一致性；103：重复上述步骤，构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵；104：对最终匹配矩阵进行归一化处理，获取到的列序列即为数据库中两两三维模型之间的相似度；对相似度进行排序，从而实现三维模型的检索。其中，该三维模型检索方法还包括：采集各物体的多视角彩色视图，提取掩膜后得到的初始视图集，将所有物体的总视图集定义为三位模型数据库，进行特征提取计算初始匹配矩阵。其中，上述步骤中的特征具体为：卷积神经网络矩特征。其中，步骤103中的构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵的步骤具体为：若C(X(t))≠1且C(X(t))＜γ时，构建相似性超图，利用最大生成树算法找到相似性超图的最大生成树结构；C(X(t))≠1且C(X(t))≥γ时，构建一致性超图，利用最大生成树算法找到一致性超图的最大生成树结构；由最大生成树结构生成的超图匹配矩阵就是最终匹配矩阵；其中，C(X(t))为t次迭代后匹配矩阵X的整体一致性，X(t)为t次迭代后三维模型数据库的匹配矩阵，γ为匹配矩阵整体一致性的判断阈值。综上所述，本专利技术实施例通过上述步骤101-步骤104有效避免了变形噪声和异常值的产生，将图匹配与三维模型数据库的整体信息相结合，提高了图匹配检索的效率和精度。实施例2下面结合具体的计算公式、实例对实施例1中的方案进行进一步本文档来自技高网...

【技术保护点】
一种基于多图匹配的三维模型检索方法，其特征在于，所述三维模型检索方法包括以下步骤：结合相似性最大原理、一元或二元匹配一致性原理，对初始匹配矩阵进行一元或二元逐步一致性正则化计算，找到多视图中最佳的中间级图；根据节点匹配一致性、掩膜、最佳的中间级图，获取转换后的一元匹配一致性或二元匹配一致性；重复上述步骤，构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵；对最终匹配矩阵进行归一化处理，获取到的列序列即为数据库中两两三维模型之间的相似度；对相似度进行排序，从而实现三维模型的检索。

【技术特征摘要】
1.一种基于多图匹配的三维模型检索方法，其特征在于，所述三维模型检索方法包括以下步骤：结合相似性最大原理、一元或二元匹配一致性原理，对初始匹配矩阵进行一元或二元逐步一致性正则化计算，找到多视图中最佳的中间级图；根据节点匹配一致性、掩膜、最佳的中间级图，获取转换后的一元匹配一致性或二元匹配一致性；重复上述步骤，构建相似性超图或一致性超图，利用最大生成树算法生成最终匹配矩阵；对最终匹配矩阵进行归一化处理，获取到的列序列即为数据库中两两三维模型之间的相似度；对相似度进行排序，从而实现三维模型的检索。2.根据权利要求1所述的一种基于多图匹配的三维模型检索方法，其特征在于，所述三维模型检索方法还包括：采集各物体的多视角彩色视图，提取掩膜后得到的初始视图集，将所有物体的总视图集定义为三位模型数据库，进行特征提取计算初始匹配矩阵。3.根据权利要求2所述的一种基于多图匹配的三维模型检索方法，其特征在于，所述特征具体为：卷积神经网络矩特征。4.根据权利要求2所述的一种基于多图匹配的三维模型检索方法，其特征在于，所述转换后的一元匹配一致性或二元匹配一致性具体为：

【专利技术属性】
技术研发人员：刘安安，郝雅惠，聂为之，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12