本发明专利技术提供了一种三维模型的检索方法和装置。该方法主要包括：获取用户的反馈信息，根据该反馈信息对查询模型的各个特征向量的权重值和相关性信息进行更新；利用所述更新后的各个特征向量的权重值和相关性信息，计算出所述查询模型与匹配模型之间的相似度距离，根据该相似度距离获得所述查询模型的相似模型。利用本发明专利技术，可以根据用户的反馈信息，不断地更新特征向量之间的权重关系和特征向量内部的相关性信息，最终实现了较快地缩小高层用户语义信息与底层模型特征信息之间差距的目的，进而显著地提高了三维模型的检索效果。
【技术实现步骤摘要】
本专利技术涉及信息检索领域，尤其涉及一种三维模型的检索方法和装置。
技术介绍
三维模型检索就是从三维模型库中检索与已知三维模型相似的其他三维模型，在三维模型检索过程中，已知三维模型被称为查询模型Q,三维模型 库中的待检索的三维模型被称为匹配模型O 。基于内容的三维模型检索技术 已经应用于许多研究领域，如虚拟现实，计算机辅助设计和生物信息学等。 根据提取模型特征的方式，基于内容的三维模型特征提取算法主要分为基于 几何结构和基于形状信息两大类算法。基于几何结构的算法主要根据三维模 型顶点和三角面片的空间信息及分布情况进行模型特征提取，基于形状信息 的算法主要利用三维模型经过规范化处理后的投影图像进行模型特征提取。通过定义三维模型的一种特定的特征信息，三维模型特征提取算法将三 维模型表示成一个上百维的特征数组，该特征数组被称为三维模型的特征向 量。由于一个三维模型可以包含多个特征信息，因此， 一个三维模型可以对 应多个特征向量。基于内容的三维模型检索是利用底层的模型特征信息进行相似性匹配， 而人能够理解和表达的却是高层的语义信息，两者之间必然存在一定的差 距，因此高层用户语义信息与底层模型特征信息之间的差距是三维模型检索 中一个最根本、最重要的问题。为了获取用户的检索信息，提高三维模型的检索效果，可以将相关性反 馈算法应用于三维模型检索技术中。现有技术中的 一种三维模型检索中的相关性反馈算法为运用可控的方 式，依据用户的反馈，通过改变三维模型特征空间中数据点的方式实现相关性反馈。该相关性反馈算法的具体处理过程如下在模型特征空间中，并不是每一个特征向量都接受到用户反馈的信息， 对于那些用户没有给出反馈信息的特征向量，可以通过空间变形的方法来获 得接近查询模型的冲量。该相关性反馈算法中的空间变形的实现原理示意图如图1所示，在图1 中，q是查询向量，fj是用户给出了相关反馈信息Uj的一个特征向量，Pi是用户 未给出相关反馈信息的 一个特征向量。要计算Pi的移动量Vpi，就必须先算出p剖q间的向量Viq，以及p剖到fj间的 向量Vij。然后，根据向量Vjq、 Vij计算出Vpi,将该Vpi作为查询向量q基于特征向 量Pi查询得到的匹配向量。在实现本专利技术的过程中，专利技术人发现上述现有技术中的三维模型检索中 的相关性反馈算法的缺点为该算法一次只能利用一种三维模型的特征向量 进行相关性反馈和三维模型检索，不能同时利用多种特征向量进行三维模型 检索。该算法比较简单，获得的三维模型检索结果的准确性不好。
技术实现思路
本专利技术实施例的目的是提供一种三维模型的检索方法和装置，从而可以 解决现有技术方案不能同时利用多种特征向量进行三维模型检索的问题。 本专利技术实施例的目的是通过以下技术方案实现的 一种三维模型的检索方法，包括获取用户的反馈信息，根据该反馈信息对查询模型的各个特征向量的权 重值和相关性信息进行更新；利用所述更新后的各个特征向量的权重值和相关性信息，计算出所述查 询模型与匹配模型之间的相似度距离，根据该相似度距离获得所述查询模型的相似模型。一种三维模型的检索装置，包括 反馈信息获取模块，用于获取用户的反馈信息；更新处理模块，用于根据所述反馈信息获取模块所获取的反馈信息对查 询模型的各个特征向量的权重值和相关性信息进行更新；相似模型获取模块，用于利用所述更新处理模块获取的更新后的各个特 征向量的权重和相关性信息，计算出所述查询模型与匹配模型的相似度距 离，根据该相似度距离获得所述查询模型的相似模型。由上述本专利技术实施例提供的技术方案可以看出，本专利技术实施例通过根据 用户的反馈信息，不断地更新特征向量之间的权重关系和特征向量内部的相 关性信息，最终实现了较快地缩小高层用户语义信息与底层模型特征信息之 间差距的目的，进而显著地提高了三维模型的检索效果。附图说明图1为现有技术中的三维模型检索中的相关性反馈算法中的空间变形的实 现原理示意图2为本专利技术实施例提供的三维模型的相关性反馈算法的实现原理示意图3为本专利技术实施例提供的三维模型的相关性反馈算法的具体处理流程图；图4为本专利技术实施例提供的三维模型检索的装置的实施例的结构示意图5为本专利技术实施例提出的实验得到的MRF算法和现有的DESIRE算法第 一次和第四次反馈的查准率-查全率曲线图6为本专利技术实施例提出的实验得到的MRF算法和现有的Elad2001算 法、Leifman2005算法、SpaceWarping算法的第1轮到第4轮反馈的DCG曲线效果示意图。具体实施例方式在本专利技术实施例中，提出了一种多层次的相关性反馈算法(MRF， multilevel relevance feedback) 。 MRF算法主要利用反馈机制获取用户反馈 的高层语义信息，通过不断地分解将该高层语义信息转化为不同特征向量之 间的权重关系和特征向量内部的相关性信息，即根据用户的反馈信息对查询 模型的各个特征向量的权重Wj值和相关性信息进行更新。利用所述更新后的各个特征向量的权重值和相关性信息，计算出所述查 询模型与匹配模型之间的相似度距离，根据该相似度距离获得所述查询模型 的相似模型。上述用户反馈的高层语义信息可以为用户在检索过程中的标注信息。 在本专利技术实施例中， 一些三维模型检索相关的参数的表示形式如下 三维模型的特征向量集合F描述连接高层语义信息和底层特征信息之间的中层信息，由不同的特征向量f扭成，F=ff}。特征向量fj的元素集合R描述三维模型的底层特征信息，由上百维元素Hj构成，R={nj}。基于上述F和R， 一个三维模型A可以被表示为j = 4^，W,该三维模型A可以为查询模型Q和匹配模型O。下面结合附图来详细描述本专利技术实施例，本专利技术实施例提供的三维模型 的相关性反馈算法的实现原理示意图如图2所示，具体处理流程如图3所示， 包括如下步骤步骤31、对查询模型Q的各个特征向量的Wi值和相关性信息进行初始化。一个查询模型Q的特征向量的Wi值体现了该特征向量在查询模型Q的检 索过程中的重要程度，反映了根据该特征向量计算出的查询模型Q与匹配模 型O的底层特征信息之间的相似距离S(fi)的重要程度。一个特征向量的W祖可以根据该特征向量和查询模型Q的主要特征之间 的相关性，以及用户对该特征向量反馈的信息来确定。如果一个特征向量能 更好地描述查询模型Q的主要特征，和/或，用户对该特征向量反馈的信息比 较多，那么该特征向量对应的Wj值就应该较大。反之，如果一个特征向量不 能描述查询模型Q的主要特征，并且用户对该特征向量没有反馈信息，则该 特征向量对应的Wj值就应该4交小，甚至可以为0。在初始化时，不考虑用户的反馈信息，可以将一个查询模型Q的所有特 征向量的初始Wj值都设置为相同的数值，所有特征向量的Wj值之和为1 。 即各个fi的W广1/IIFU上述IIFII代表查询模型Q的特征向量的个数。还可以根据各个特征向量和查询模型Q的主要特征之间的具体相关性， 将各个特征向量的初始Wi值都设置为不同的数值。特征向量fi的相关性信息w力反映了用户对该特征向量fi反馈的程度，在初 始化时，不考虑用户的反馈信息，各个特征向量fi的相关性信息^力都为空集。步骤32、计算查询模型Q与各个匹配模型O之间的相似度距离S。 从待搜索的三维本文档来自技高网...
【技术保护点】
一种三维模型的检索方法，其特征在于，包括： 获取用户的反馈信息，根据该反馈信息对查询模型的各个特征向量的权重值和相关性信息进行更新； 利用所述更新后的各个特征向量的权重值和相关性信息，计算出所述查询模型与匹配模型之间的相似度距离，根据该相似度距离获得所述查询模型的相似模型。
【技术特征摘要】
【专利技术属性】
技术研发人员：覃征，冷彪，
申请(专利权)人：覃征，冷彪，
类型：发明
国别省市：11[中国|北京]
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。