專利名稱：基于智能檢索視圖選擇的三維對象檢索方法和裝置的制作方法
技術領域：
本發(fā)明涉及三維對象分析領域，特別涉及一種基于智能檢索視圖選擇的三維對象 檢索方法和裝置。
背景技術：
隨著三維對象在計算機輔助制造、虛擬現實、醫(yī)學及娛樂等多種領域的應用日益 廣泛，快速有效的三維對象檢索方法變得越發(fā)的重要。圖片獲取技術的進步促進了基于視 圖的三維對象分析方法的快速發(fā)展。隨著照相機技術的快速發(fā)展，更多的方法關注與基于 多視圖的三維對象分析。這種基于多視圖的方法通過一組多視圖來描述三維對象的信息， 進而完成三維立體對象的檢索等進一步的工作。2003年在歐洲圖形學會議上提出的方法中(D.Y.Chen，X. P. Tian, Y. Τ. Shen， andM. Ouhyoung. On visual similarity based 3d model retrieval. Computer Graphics Forum)提出了光場描述符(Lighting Filed Descriptor)，通過正十面體的照相機陣列進 行數據采集，獲得多組視圖來描述原始三維對象。這些視圖從不同的角度來描述三維對 象的空間結構信息。進一步，該方法針對這樣的多視圖陣列進行匹配來三維立體對象之 間的匹配。這里二值的視圖的Zernike矩和傅里葉描述符特征被用來作為視圖的特征。 這種方法采用了全部的視圖進行比較。2007在國際電子電氣工程師協(xié)會多媒體匯刊上 (T. F. Ansary, M. Daoudi, and J. P. Vandeborre, "A bayesian 3-d search engine using adaptiveviews clustering,"IEEE Transactions on Multimedia,vol. 9,no. l,pp. 78-88, 2007.)提出一種基于貝葉斯分析的三維立體對象檢索方法，其中視圖獲取也是使用固定的 320照相機陣列。該方法首先獲得320張原始圖片，這里針對原始視圖，49維的Zernike矩 被選用圖像特征。該方法首先從原始視圖中進行代表性視圖選擇。通過對視圖之間的整體 相似度的計算，進行K均值迭代聚類，其中每一步都嘗試將已有的分類結果進行重新聚類， 其中K選取為2。這里，貝葉斯信息準備被用來判定聚類的效果及停止條件。在接下來的處 理中，只有代表性的視圖才應用到具體的檢索分析中。通過對視圖之間的貝葉斯概率分析 來獲得整體三維對象之間的相關程度，從而完成三維立體對象的基于視圖的檢索工作。已有的研究方法通常通過應用全部的檢索視圖進行三維對象的分析，其中少部分 方法首先選取特征視圖，并應用這些全部特征視圖進行三維對象的分析。這類方法雖然能 用使用全部的檢索信息，但是也存在一些缺點。第一，應用全部的(特征)檢索視圖會帶來 較大的計算量，由于一個對象的視圖可能會較多，獲得的特征視圖也會較多，因此在檢索工 作中會產生較大的運算量。第二，并不是所有的(特征)檢索視圖都對三維對象有較好的 鑒別性。因此，某些(特征)檢索視圖可能會對整體的檢索結果產生一定的錯誤的影響。

發(fā)明內容
本發(fā)明的目的旨在至少解決上述技術缺陷之一。為此，本發(fā)明的目的在于提出一種三維對象檢索過程計算量小，檢索結果準確的基于智能檢索視圖選擇 的三維對象檢索方法。本發(fā)明的另一目的在于提出一種基于智能檢索視圖選擇的三維對象檢索裝置。為達到上述目的，本發(fā)明一方面的實施例提出一種基于智能檢索視圖選擇的三維 對象檢索方法，包括以下步驟:A.對所述三維對象的視圖進行聚類，并從所述聚類的結果 中挑選備選檢索視圖；B.從所述備選檢索視圖中選取初始檢索視圖，以根據所述初始檢索 視圖檢索所述三維對象并得到初始檢索結果；C.判斷所述初始檢索結果是否達到預定標 準，如果所述初始檢索結果達到所述預定標準，則將所述初始檢索結果作為最終檢索結果， 如果所述初始檢索結果未達到所述預定標準，則從剩余所述備選檢索視圖中繼續(xù)選取檢 索視圖，以根據所述檢索視圖檢索所述三維對象并得到檢索結果；D.繼續(xù)判斷所述檢索結 果是否達到所述預定標準，如果判斷所述檢索結果達到所述預定標準，則將所述檢索結果 作為最終檢索結果，如果判斷所述檢索結果未達到所述預定標準，則從剩余所述備選檢索 視圖中繼續(xù)選取檢索視圖，以根據所述檢索視圖檢索所述三維對象并得到檢索結果；以及 E.循環(huán)執(zhí)行步驟D直至所述檢索結果達到預定標準，得到最終檢索結果。在本發(fā)明的實施例中，所述步驟A進一步包括以Zernike Moments為圖像特征對 所述視圖進行特征提取以得到特征提取結果；根據所述特征提取結果應用歐式距離計算任 意兩個視圖之間的距離，直至所述所有視圖之間的距離計算完畢，得到所述視圖之間的距 離矩陣；根據所述距離矩陣對所述三維對象的視圖進行多層次聚類，以得到聚類結果；以 及從每個所述聚類結果中選擇共性最多的一個視圖作為所述備選檢索視圖。在本發(fā)明的實施例中，所述步驟B進一步包括根據所述備選檢索視圖對應聚類 結果中的所述三維對象的視圖數量，與所述三維對象的全部視圖數量計算所述備選檢索視 圖的權重；選取所述權重最大的所述備選檢索視圖作為初始檢索視圖，以用于檢索所述三 維對象，其中，所述三維對象之間關聯(lián)性的距離計算方法為Vx) = Y4Ci(V^Vx),
i=\其中/(K義)= $η ^，νχ)，1為所述初始檢索視圖，V1, V2. . . V1為1個所述備選
檢索視圖。在本發(fā)明的實施例中，所述權重的計算公式為
權利要求
1.一種基于智能檢索視圖選擇的三維對象檢索方法，其特征在于，包括以下步驟A.對所述三維對象的視圖進行聚類，并從所述聚類的結果中挑選備選檢索視圖；B.從所述備選檢索視圖中選取初始檢索視圖，以根據所述初始檢索視圖檢索所述三維 對象并得到初始檢索結果；C.判斷所述初始檢索結果是否達到預定標準，如果所述初始檢索結果達到所述預定標 準，則將所述初始檢索結果作為最終檢索結果，如果所述初始檢索結果未達到所述預定標 準，則從剩余所述備選檢索視圖中繼續(xù)選取檢索視圖，以根據所述檢索視圖檢索所述三維 對象并得到檢索結果；D.繼續(xù)判斷所述檢索結果是否達到所述預定標準，如果判斷所述檢索結果達到所述預 定標準，則將所述檢索結果作為最終檢索結果，如果判斷所述檢索結果未達到所述預定標 準，則從剩余所述備選檢索視圖中繼續(xù)選取檢索視圖，以根據所述檢索視圖檢索所述三維 對象并得到檢索結果；和E.循環(huán)執(zhí)行步驟D直至所述檢索結果達到預定標準，得到最終檢索結果。
2.如權利要求1所述的基于智能檢索視圖選擇的三維對象檢索方法，其特征在于，所 述步驟A進一步包括以krnike Moments為圖像特征對所述視圖進行特征提取以得到特征提取結果；根據所述特征提取結果應用歐式距離計算任意兩個視圖之間的距離，直至所述所有視 圖之間的距離計算完畢，得到所述視圖之間的距離矩陣；根據所述距離矩陣對所述三維對象的視圖進行多層次聚類，以得到聚類結果；以及從每個所述聚類結果中選擇共性最多的一個視圖作為所述備選檢索視圖。
3.如權利要求1所述的基于智能檢索視圖選擇的三維對象檢索方法，其特征在于，所 述步驟B進一步包括根據所述備選檢索視圖對應聚類結果中的所述三維對象的視圖數量，與所述三維對象 的全部視圖數量計算所述備選檢索視圖的權重；選取所述權重最大的所述備選檢索視圖作為初始檢索視圖，以用于檢索所述三維對 象，其中，所述三維對象之間關聯(lián)性的距離計算方法為
4.如權利要求3所述的基于智能檢索視圖選擇的三維對象檢索方法，其特征在于，所 述權重的計算公式為W = Nj/N,其中，W為所述權重，Ni為所述備選檢索視圖對應聚類結果中的所述三維對象的視圖數 量，N為所述三維對象的全部視圖數量。
5.如權利要求1所述的基于智能檢索視圖選擇的三維對象檢索方法，其特征在于，所 述從剩余備選檢索視圖中選取檢索視圖，根據如下公式選取所述檢索視圖
6.一種基于智能檢索視圖選擇的三維對象檢索裝置，其特征在于，包括獲取模塊，用于對所述三維對象的視圖進行聚類，并從所述聚類的結果中挑選備選檢 索視圖；檢索模塊，用于從所述備選檢索視圖中選取初始檢索視圖，以根據所述初始檢索視圖 檢索所述三維對象并得到初始檢索結果；第一控制模塊，用于判斷所述初始檢索結果是否達到預定標準，如果所述初始檢索結 果達到所述預定標準，則將所述初始檢索結果作為最終檢索結果，如果所述初始檢索結果 未達到所述預定標準，則從剩余所述備選檢索視圖中繼續(xù)選取檢索視圖，以根據所述檢索 視圖檢索所述三維對象并得到檢索結果；以及第二控制模塊，用于判斷所述檢索結果是否達到所述預定標準，如果判斷所述檢索結 果達到所述預定標準，則將所述檢索結果作為最終檢索結果，如果判斷所述檢索結果未達 到所述預定標準，則從剩余所述備選檢索視圖中繼續(xù)選取檢索視圖，以根據所述檢索視圖 檢索所述三維對象并得到檢索結果，并且繼續(xù)判斷所述檢索結果是否達到所述預定標準并 作相應的操作，直至判斷所述檢索結果達到預定標準，將所述檢索結果作為最終檢索結果。
7.如權利要求6所述的基于智能檢索視圖選擇的三維對象檢索裝置，其特征 在于，所述檢索模塊包括聚類模塊和備選視圖獲取模塊，其中，所述聚類模塊用于以 ZernikeMoments為圖像特征對所述視圖進行特征提取以得到特征提取結果，并根據所述特 征提取結果應用歐式距離計算任意兩個視圖之間的距離，直至所述所有視圖之間的距離計 算完畢，得到所述視圖之間的距離矩陣，并根據所述距離矩陣對所述三維對象的視圖進行 多層次聚類，以得到聚類結果，所述備選視圖獲取模塊用于從每個所述聚類結果中選擇共 性最多的一個視圖作為所述備選檢索視圖。
8.如權利要求6所述的基于智能檢索視圖選擇的三維對象檢索裝置，其特征在于，所 述檢索模塊根據所述備選檢索視圖對應聚類結果中的所述三維對象的視圖數量，與所述三 維對象的全部視圖數量計算所述備選檢索視圖的權重，并選取所述權重最大的所述備選檢 索視圖作為初始檢索視圖，以用于檢索所述三維對象，其中，所述三維對象之間關聯(lián)性的距 離計算方法為
9.如權利要求6所述的基于智能檢索視圖選擇的三維對象檢索裝置，其特征在于，所 述第一檢索模塊和所述第二檢索模塊根據如下公式從剩余所述備選檢索視圖中繼續(xù)選取 檢索視圖
全文摘要
本發(fā)明提出一種基于智能檢索視圖選擇的三維對象檢索方法和裝置，其中，該方法包括以下步驟對三維對象的視圖進行聚類，并從聚類的結果中挑選備選檢索視圖；從備選檢索視圖中選取初始檢索視圖，以用于檢索所述三維對象并得到檢索結果；判斷檢索結果是否達到預定標準；如果檢索結果未達到預定標準，則從剩余備選檢索視圖中選取檢索視圖，以用于檢索三維對象并得到所述檢索結果；和檢索三維對象直至所述檢索結果達到所述預定標準，得到最終檢索結果。通過本發(fā)明提出的方法和裝置，能夠通過選擇不同的檢索視圖檢索三維對象，不但節(jié)省了檢索過程所帶來的計算量，而且保證了檢索結果的正確性。另外，本發(fā)明易于實現，操作簡單。
文檔編號G06F17/30GK102073738SQ20111002340
公開日2011年5月25日 申請日期2011年1月20日 優(yōu)先權日2011年1月20日
發(fā)明者張乃堯, 戴瓊海, 高躍 申請人:清華大學