基于直方图特征核优化判别分析的三维碎片的类别检测方法技术

基于直方图特征核优化判别分析的三维碎片的类别检测方法，它涉及一种三维碎片的类别检测方法，它解决了目前三维碎片的类别检测方法存在检测不准确的问题。本发明专利技术的类别检测方法的过程为：对待检测的碎片进行扫描，得到所述碎片的三维表面数据；对步骤一获得碎片的三维表面数据进行特征提取，得到碎片的三维表面特征向量；对步骤二获得的碎片的三维表面特征向量进行核优化判别分析，获得核优化判别分析特征向量；利用最邻近分类法对步骤三获得的核优化判别分析特征向量进行类别检测，获得碎片的类别。本发明专利技术克服了已有技术的不足，能够准确地对三维碎片的类别进行检测，能够应用于三维碎片的类别检测、分类等技术领域。

【技术实现步骤摘要】

本专利技术涉及一种三维碎片的类别检测方法。
技术介绍
目前文物拼接停留在手工水平，仅依靠史书文字记载，凭专业人士根据经验完成。基于手工拼接的文物保管工作面临周期长、主观性强、可重复性差的缺陷，并且工作失误可能会造成对文物不可估量的毁坏。随着计算机技术的不断发展，有力地推动了计算机图形处理、模式识别、三维信息处理技术的发展，使历史文物的数字拼接成为可能。将破损文物三维表面通过三维扫描仪、数字化仪、轮廓仪等特定的数字采集设备转化为数字形式输入到计算机中，再在计算机上对数字形式的破损文物进行无缝拼接，称为三维表面数字拼接，该方法不仅速度快，而且可重复操作，避免了一时不慎造成的损失，此外，利用这种方法还可以进行人类手工几乎无法实现的修补与拼接工作。三维表面数字拼接分为三维碎片分类和拼接两步，三维碎片分类效果直接影响三维表面数字拼接效果，而碎片分类又是基于碎片类别的检测而实现的，目前的三维碎片的类别检测方法存在检测不准确、效率低等问题。
技术实现思路
本专利技术的目的是解决目前三维碎片的类别检测方法存在检测不准确的问题，提供了一种。 ，它的过程如下 步骤一、对待检测的碎片进行扫描，得到所述碎片的三维表面数据； 步骤二、对步骤一获得碎片的三维表面数据进行特征提取，得到碎片的三维表面特征向量； 步骤三、对步骤二获得的碎片的三维表面特征向量进行核优化判别分析，获得核优化判别分析特征向量； 步骤四、利用最邻近分类法对步骤三获得的核优化判别分析特征向量进行类别检测，获得该三维碎片的类别。 本专利技术的，能够准确检测三维碎片的类别。 附图说明 图1为本专利技术的流程示意图；图2为本专利技术中步骤二的流程示意图；图3为本专利技术中步骤三的流程示意图。 具体实施例方式具体实施方式一本实施方式的，它的过程如下 步骤一、对待检测的碎片进行扫描，得到所述碎片的三维表面数据； 步骤二、对步骤一获得碎片的三维表面数据进行特征提取，得到碎片的三维表面特征向量； 步骤三、对步骤二获得的碎片的三维表面特征向量进行核优化判别分析，获得核优化判别分析特征向量； 步骤四、利用最邻近分类法对步骤三获得的核优化判别分析特征向量进行类别检测，获得该三维碎片的类别。 本实施方式中，步骤一利用了三维激光扫描仪对三维碎片进行扫描得到碎片的三维表面数据。 步骤二所述内容的具体过程为 步骤二一、利用连续主成分分析方法，找到步骤一获得的碎片的三维表面数据的主轴，选定参考主轴，然后对碎片的三维表面数据进行旋转、平移，使碎片的三维表面数据的主轴与参考主轴重合； 步骤二二、确定所有的投影面及每个投影面对应的投影规则，令F表示确定的投影面的总个数，并令{S(i1)，i1＝1，2，...，F}表示所有投影面构成的集合，其中S(k)表示第k个投影面，然后初始化m＝0； 步骤二三、将碎片的三维表面数据中的每个数据点向所选择的第m个投影面S(m)作投影，得到所述每个数据点在投影面S(m)上的映射点，计算并获得所述每个数据点与其在投影面S(m)上的映射点之间的距离，然后在获得的所有距离中，找出最大的距离dmax和最小的距离dmin； 步骤二四、选择h(m)作为直方图的横坐标的最大值，h(m)为正整数，计算每个整数点横坐标i2对应的距离 其中上式中i2＝1，2，......，h(m)，获得h(m)-1个区间 其中i3＝1，2，......，h(m)-1； 步骤二五、利用步骤二四获得的h(m)-1个区间 判断碎片的三维表面数据中的每个数据点所对应的整数点横坐标； 步骤二六、统计每个整数点横坐标i所对应的数据点的个数，并以数据点的个数作为纵坐标构建直方图，以直方图的纵坐标的数值按其对应横坐标从小到大的顺序组建向量T(m)，并将向量T(m)中的元素依次放入向量W中； 步骤二七、判断m＜F是否成立，则令m＝m+1并返回执行步骤二三；否则，执行步骤二八； 步骤二八、向量W为碎片的三维表面特征向量。 步骤二一所述参考主轴可以为三维坐标系中的Z轴。 步骤二二所述确定投影面及相应的投影规则，具体是指 分别找出碎片的三维表面数据所占三维空间的x坐标的最大值和最小值、y坐标的最大值和最小值、z坐标的最大值和最小值，依次分别记为xmax、xmin、ymax、ymin、zmax和zmin； 构造顶点分别为A1(xmin，ymin，zmin)、A2(xmax，ymin，zmin)、A3(xmin，ymax，zmin)、A4(xmax，ymax，zmin)、A5(xmin，ymin，zmax)、A6(xmax，ymin，zmax)、A7(xmin，ymax，zmax)和A8(xmax，ymax，zmax)的长方体； 令长方体的6个面为投影面，所述6个面分别为 和 相应的投影规则为将碎片的三维表面数据中的任意一个数据点p(x，y，z)，分别以垂直的方式向各个投影面投影，使其投影点分别为P1(xmin，y，z)，P2(xmax，y，z)，P3(x，ymin，z)，P4(x，ymax，z)，P5(x，y，zmin)和P6(x，y，zmax)。 步骤二五所述的利用步骤二四获得的h(m)-1个区间 判断碎片的三维表面数据中的每个数据点所对应的整数点横坐标的具体过程为 令p表示待判断的数据点，d表示数据点p与其在投影面S(m)上的映射点之间的距离，然后在步骤二四获得的h(m)-1个区间 中，找到一个区间，q∈，使得dq≤d≤dq+1，则判断区间 所对应的横坐标q即为待判断的数据点p所对应的横坐标。 步骤三所述内容的具体过程为 步骤三一、选择基本核函数k(z3，z4)、数据相关核函数 及与二者相关的参数，并由基本核函数k(z3，z4)计算获得基本核矩阵K； 步骤三二、给定训练样本数据，并根据给定的训练样本数据以及选择膨胀向量的方法，获得膨胀向量的表达式；再根据获得的膨胀向量的表达式、基本核矩阵K以及步骤二所获得的碎片的三维表面特征向量，并利用核优化准则，计算并获得数据相关核函数 的膨胀系数向量； 步骤三三、利用步骤三二获得的数据相关核函数 的膨胀系数向量，构造并获得数据相关核函数 及数据相关核矩阵 步骤三四、根据步骤三三获得的数据相关核函数 及数据相关核矩阵 并利用Fisher准则，计算并获得M个核判别向量，其中M在数值上等于核优化判别分析特征向量的维数； 步骤三五、根据步骤三四获得的核判别向量、数据相关核函数 以及数据相关核矩阵 计算并获得核优化判别分析特征向量。 步骤三二所述的训练样本数据，是指已知碎片类别的碎片的三维表面特征向量。 步骤三二所述的给定训练样本数据，并根据给定的训练样本数据以及选择膨胀向量的方法，获得膨胀向量的表达式的具体过程为 给定训练样本数据z0(1)，z0(2)，...，z0(n)，其中n表示训练样本数据中包含的数据个数，由选择膨胀向量的方法获得膨胀向量的表达式为 其中，z1、z2本文档来自技高网...

【技术保护点】
基于直方图特征核优化判别分析的三维碎片的类别检测方法，其特征在于它的过程如下：步骤一、对待检测的碎片进行扫描，得到所述碎片的三维表面数据；步骤二、对步骤一获得碎片的三维表面数据进行特征提取，得到碎片的三维表面特征向量；步骤三、对步骤二获得的碎片的三维表面特征向量进行核优化判别分析，获得核优化判别分析特征向量；步骤四、利用最邻近分类法对步骤三获得的核优化判别分析特征向量进行类别检测，获得碎片的类别。

【技术特征摘要】

【专利技术属性】
技术研发人员：李君宝，俞龙江，孙震，孙圣和，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93[中国|哈尔滨]