【技术实现步骤摘要】
基于学习的相似性度量方法
本专利技术涉及相似性度量和立体模型检索等领域，尤其涉及一种基于学习的相似性度量方法。
技术介绍
由于图形硬件，计算机技术和网络的快速发展，立体对象已广泛应用于各种各样的应用中，例如：计算机图形学、医疗行业以及虚拟现实领域。立体对象的大规模数据库正在迅速增加，这导致人们对高效的立体对象检索算法的要求逐渐增加。最近，广泛的研究工作一直致力于立体对象检索技术[1]-[4]。现有的立体对象检索方法可以简单地分为两个范例，即基于模型的方法和基于视图的方法。在基于模型的方法[5]-[7]中，立体对象被描述为基于模型的特征，例如：低级特征(例如体积描述符[7]、表面分布[6]和表面几何特征[5])和高级特征，例如，在文献[8]中，考虑了视觉特征和几何特征，并且利用用户相关性反馈来进一步学习从低级特征映射得到的高级语义空间，该用户相关性反馈是另一个欧几里得空间，并且可以被视为降维或特征选择方法。基于模型的方法的一个优点是它们可以保存立体对象的全局空间信息。虽然基于模型的方法是有效的，但它们明确需要立体模型信息，这限制了基于模型方法的应用。立体模型信息并不...
【技术保护点】
1.一种基于学习的相似性度量方法，其特征在于，所述方法包括以下步骤：给定立体模型的视图，筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系；利用立体模型数据，从每个立体模型中提取空间结构圆形描述符，并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性；选定合适的学习框架，生成初始的学习权重，将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入，通过联合学习框架来学习两种图的最优组合权重，从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。
【技术特征摘要】
1.一种基于学习的相似性度量方法，其特征在于，所述方法包括以下步骤：给定立体模型的视图，筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系；利用立体模型数据，从每个立体模型中提取空间结构圆形描述符，并且使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性；选定合适的学习框架，生成初始的学习权重，将基于视图生成的超图和基于立体模型生成的图作为学习框架的输入，通过联合学习框架来学习两种图的最优组合权重，从而通过基于视图的超图和基于立体模型的图来估计立体对象之间的相关性。2.根据权利要求1所述的一种基于学习的相似性度量方法，其特征在于，所述筛选具有代表性的视图构造一个基于视图的超图来表征立体对象之间的关系具体为：1)计算任意两个视图之间的Zernike矩，选择最接近的前K个视图作为每个视图集群的代表性视图，组成新的视图集合；2)根据新的视图集合，采用星形展开来构建一个基于视图的超图，以表达立体模型之间的关系。3.根据权利要求2所述的一种基于学习的相似性度量方法，其特征在于，对给定的包含多个视角的视图进行层次聚类，将这些视图分为视图集群，在超图中，每个顶点都是一个对象，每条边都是一个视图集群，根据视图集群内任意两个视图之间的相似性来定义每条边的权重。4.根据权利要求1所述的一种基于学习的相似性度量方法，其特征在于，所述从每个立体模型中提取空间结构圆形描述符，使用每个立体模型之间的距离来生成简单基于模型的图以探索立体模型之间的关联性具体为：提取立体模型的空间结构圆形描述符作为立体模型特征，空间结构圆形描述符的目的是在3D模型的投影最小边界框上，用于表示立体模型表面的深度信息，生成深度直方图作为3D模型的特征；进行二分图匹配以测量每两个3D模型之间的距离，即dSSCD(Oi,Oj)。5.根据权利要求3所述的一种基于学习的相似性度量方法，其特征在于，所述根据视图集群内任意两个视图之间的相似性来定义每条边的权重具体为：其中，dSSCD(vi,vj)是3D对象Oi和Oj之间的距离，σs被设置为所有成对立体模型之间距离的中值。6.根据权利要求1所述的一种基于学习的相似性度量...
【专利技术属性】
技术研发人员：王坤，韦莎，程雨航，王伟忠，聂为之，刘安安，苏育挺，
申请(专利权)人：天津大学，中国电子技术标准化研究院，
类型：发明
国别省市：天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。