一种三维对象特征视图选取方法技术

本发明专利技术提出一种三维对象特征视图选取方法，包括以下步骤：选择一个三维对象作为目标三维对象，并获得与所述目标三维对象同类的三维对象的多视角视图；对每个三维对象的多视角视图获取保留多视图，并设置初始权重；计算任意两组属于不同三维对象的多视角视图之间的视图距离矩阵；对所有的三维对象的多视图的权重进行图上增强学习以获得最终的权重；和从原始的三维对象的保留的视图中，选取权重最大的若干个作为代表性视图。本发明专利技术的方法该算法不仅在被分析对象的多视图之间进行分析，同时考虑了同类对象之间的多视图的相关性，从而应用一种新的图上的增强学习方法进行代表性多视图选取。并且本发明专利技术方法设计简单，易于实现。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及。
技术介绍
随着多媒体技术的不断进步，三维立体对象数据正在以惊人的速度增长，广泛地 应用在计算机辅助制造、虚拟现实、医学及娱乐等多个领域。由于三维立体对象相对于平面 的图像能够更好的描述对象的特征和属性，因此使得针对三维立体对象的理解、识别和检 测变得越发的重要。传统的三维对象的描述方法都是基于虚拟模型的。虚拟的三维模型可以通过 AutoCAD等工具进行显示，通过X、Y、Z的三维坐标系来从立体角度进行对原始三维对象进 行展示。这些方法通过使用三角片面、直线、曲面等来构建整个三维模型。这在计算机辅助 制造等方面有着广泛的应用。在应用传统的三维对象描述方法对真实三维对象进行表示时 通常需要三维重建的过程。一方面三维重建的计算量非常的庞大，另一方面三维重建也需 要足够的采样照片来完成这个工作。这使得传统的三维对象描述方法并不能很好的应用到 真实三维对象的分析与处理上。进入21世纪以来，随着照相机技术的快速发展，在原有的基于三维虚拟模型的分 析方法之外产生了基于多视图的三维立体对象分析方法。这种多视图的方法使用固定的或 者非固定的照相机阵列获得一系列三维立体对象的多视图，通过这组多视图来描述三维对 象的信息，进而完成三维立体对象的分析、重建、理解和检索等进一步的工作。由于三维对象包含更多的空间信息，因此针对三维对象的分析和处理更加的复杂 和困难，这使得原始的基于单视图的图像分析方法并不能有效的应用在三维对象的多视图 上。近些年来，很多的研究工作集中在基于多视图的三维立体对象的检索和分析上。在应用多视图进行三维立体对象的描述中，如何进行有效的三维立体对象表示以 及提升多视图的描述效果是一个最基本的问题。由于三维立体对象包含了复杂的空间几何 信息，并且同时可能发生旋转、偏移等变化，这使得很难用同一的模型来进行分析。目前并 没有有效的进行三维对象的特征多视图选取的方法。2003年在欧洲图形学会议上提出的方法中(D.Y.Chen，X. P. Tian, Y. Τ. Shen， andM. Ouhyoung. On visual similarity based 3d model retrieval. Computer Graphics Forum)提出了光场描述符(Lighting Filed Descriptor)，通过正十面体的照相机阵列进 行数据采集，获得多组视图来描述原始三维对象。这些视图从不同的角度来描述三维对象 的空间结构信息。进一步，该方法针对这样的多视图阵列进行匹配来三维立体对象之间的 匹配。这里二值的视图的Zernike矩和傅里叶描述符特征被用来作为视图的特征。但是， 在这种方法中需要对照相机阵列有固定的设置。2007年在国际电子电气工程师协会多媒体汇刊上(T. F. Ansary，M. Daoudi， and J. P. Vandeborre, "A bayesian 3-d search engine using adaptive views clustering,，，IEEETransactions on Multimedia, vol. 9, no. 1, pp. 78-88, 2007.)提出一种基于贝叶斯分析的三维立体对象检索方法，其中视图获取也是使用固定的320照相机阵 列。该方法首先获得320张原始图片，这里针对原始视图，49维的Zernike矩被选用图像 特征。该方法首先从原始视图中进行代表性视图选择。通过对视图之间的整体相似度的计 算，进行K均值迭代聚类，其中每一步都尝试将已有的分类结果进行重新聚类，其中K选取 为2。这里，贝叶斯信息准备被用来判定聚类的效果及停止条件。在接下来的处理中，只有 代表性的视图才应用到具体的检索分析中。通过对视图之间的贝叶斯概率分析来获得整体 三维对象之间的相关程度，从而完成三维立体对象的基于视图的检索工作。但是，这种特征 视图的选取方法只考虑单一对象的视图关系，并没有考虑到整类视图的共同属性，因此并 不能很好的选取有效的代表性视图。
技术实现思路
本专利技术的目的旨在至少解决上述技术缺陷，提出了一种三维对象特征视图选取方 法和装置。为达到上述目的，本专利技术一方面提出，包括以下 步骤选择一个三维对象作为目标三维对象，并获得与所述目标三维对象同类的三维对象 的多视角视图；对每个三维对象的多视角视图获取目标三维对象的保留多视图，并设置初 始权重；计算任意两组属于不同三维对象的多视角视图之间的视图距离矩阵；和对所有的 三维对象的多视图的权重进行图上增强学习以获得最终的权重。本专利技术的方法不仅在被分析对象的多视图之间进行分析，同时考虑了同类对象之 间的多视图的相关性，从而应用一种新的图上的增强学习方法进行代表性多视图选取。通 过同类对象的多视图之间的增强学习，可以有效的分析出该类对象中的共同特征，从而获 得该类对象的代表性视图。原因如下传统的方法主要关注在单一对象的多视图分析，从该对象的视图角度 分析其主要的特点，但是并没有考虑到该类对象的共同特征。虽然仅针对该单一对象可以 获取的一定的共同特征吗，但是并没有分析作为这一类对象其特有的特点。因此，很可能获 得的代表性视图是不能有效的表示该类对象的特征的。本专利技术提出的方法，进一步从多个 同类对象的多视图中进行相关性分析，应用图上的增强学习方法，可以更有效的选取出三 维对象的代表性多视图。另外，本专利技术方法设计简单，易于实现。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中图1为本专利技术实施例的三维对象特征视图选取方法流程图。 具体实施例方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。如图1所示，为本专利技术实施例的三维对象特征视图选取方法流程图，本专利技术的方 法是通过同类对象的多视图之间的相关性分析来获得该对象的特征多视图。本专利技术方法包 括以下步骤步骤S101，在一个三维对象(以下称为目标三维对象)进行特征视图选取分析前， 首先获得与该目标三维对象同类的三维对象的多视角视图。在本专利技术的实施例中同类说明 是同一种对象，比如自行车，各种不同的自行车都属于自行车这个类别，在库中假设一共有 10个自行车，那么与该自行车对象同类的三维对象就是10个(包括他自己)。步骤S102，对每个三维对象的多视角视图，获取目标三维对象的保留视图，给予一 个初始权重。该步骤具体包括(1)计算每个三维对象中任意两个视图之间的距离，这里采用Zernike Moments 作为特征，使用欧式距离作为距离计算方法，从而获得属于每个对象的那些多视角视图之 间的距离矩阵。(2)根据获得的多视图距离矩阵，采用层次聚类方法对每个三维对象的多视角视 图进行聚类，例如，层次聚类保证距离小于一定阈值的视图被聚为一类。(3)从每个聚类中选取三维对象中与其他视角视图平均距离最小的视图作为目标 三维对象本文档来自技高网...

【技术保护点】
一种三维对象特征视图选取方法，其特征在于，包括以下步骤：选择一个三维对象作为目标三维对象，并获得与所述目标三维对象同类的三维对象的多视角视图；对每个三维对象的多视角视图获取目标三维对象的保留多视图，并设置初始权重；计算任意两组属于不同三维对象的多视角视图之间的视图距离矩阵；对所有的三维对象的多视图的权重进行图上增强学习以获得最终的权重；和从原始的三维对象的保留的视图中，选取权重最大的若干个作为代表性视图。

【技术特征摘要】

【专利技术属性】
技术研发人员：戴琼海，高跃，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]