[发明专利]一种基于多特征相关反馈的三维模型检索方法

说明书

技术领域

本发明属于多媒体信息检索领域，特别是一种基于相关反馈学习的三维复杂模型检索方法。

背景技术

三维模型检索是基于内容的多媒体信息检索领域的热点问题，具有广泛的应用前景，国内外很多机构正致力于这一方向的研究。随着计算机图形学的快速发展及光场理论的进一步应用，更加复杂、逼真的三维模型出现在互联网上，由于复杂模型具有与实际物体更加接近的信息，如更加细致的纹理，更加丰富的高层语义以及绚丽的色彩信息，故发展一种有效快速的高逼真度三维模型检索方法是必要的。现行的三维模型检索机制，总体来说分为2大类：以三维模型为中心的方法及以三维模型视图为中心的方法。以三维模型为中心的方法在复杂模型检索领域很难应用，这主要因为：由于复杂模型几何元素的海量数据，使得计算机处理速度变慢，难以满足实时模型检索的要求。故针对复杂模型检索，应用基于三维模型视图的检索方法相对可行，其中主要原因之一为：无论三维模型几何造型的复杂度如何，其各个不同角度的视图信息占用较少的字节数，这对于大规模三维模型数据库检索系统是必要的。

目前国外公开的文献中，台湾大学咨询工程系的研究小组在相关国际会议上的论文：[1]D.Y.Chen，X.P.Tian，Y.T.Shen.On Visual Similarity Based 3D Model Retrieval.ComputerGraphics Forum 2003，22(3)：223-232.首次提出了通过大规模视图方式进行三维模型检索的方法；文献：[2]T.F.Ansary，M.Daoudi，and J.P.Vandeborre et al.A Bayesian 3-D Search EngineUsing Adaptive Views Clustering.IEEE Transaction on multimedia，2007，9(1)：78-88.提出了通过自适应聚类方法从视图阵列中选择典型视图的方法；文献：[3]Leifman George，MeirRon，Tal Ayellet.Semantic-oriented 3D shape retrieval using relevance feedback.VisualComputer，2005，21(8)：865-875.提出了相关反馈检索三维模型的方法。

但上述文献的解决思路有几点不足：

(1)文献[1][2][3]在关于三维模型特征表达方面，仅仅考虑轮廓描述符信息，未考虑模型的纹理特征信息及颜色特征信息，这对于复杂模型检索是不充分的，即丢失了相当的有用信息；

(2)文献[1]没有考虑应用学习方法对三维模型视图信息进行处理，该文献中使用20幅视图表达一个三维模型，这种表达方式称为“光场描述符(lightfield descriptor，LD)”，为了增加LD对于三维模型旋转、平移不变性，该文献使用10个LD表示一个三维模型，即应用200幅视图表示一个三维模型，其表达形式冗余度高，为大规模三维模型数据库的检索增加了难度。

(3)文献[2]使用自适应聚类方法从三维模型视图阵列中选择贝叶斯信息度量值较高的视图，这些通过自适应方法挑选出来的视图被称为：“典型视图(characters views，CV)”，这种方法对于几何造型简单的三维模型可以大大地减少了在检索过程中视图的计算数量，但由于其“典型视图”的数量随着三维模型几何造型复杂度的提高而增多，对于复杂三维模型的检索而言，这种方法的计算量依然很大，不利于实时复杂三维模型检索。

(4)文献[3]应用反馈学习进行模型检索的过程中，仅仅使用单分类器进行学习分类，对于复杂三维模型而言，没有考虑多分类器特征融合的方式进一步提高检索精度，而这对于复杂三维模型的检索是有必要的。

下面对与本发明中相关的已有技术进行简单介绍：

(1)系统聚类分析：聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，本发明提到的系统聚类方法是其中的一种，其主要原理是应用紧邻法将属性相似的向量分类成多个集合，是一种无监督的分类方法。系统聚类的步骤一般是首先根据一批数据或指标找出能度量这些数据或指标之间相似程度的统计量；然后以统计量作为划分类型的依据，把一些相似程度大的站点(或样品)首先聚合为一类，而把另一些相似程度较小的站点(或样品)聚合为另一类，直到所有的站点(或样品)都聚合完毕，最后根据各类之间的亲疏关系，逐步画成一张完整的分类系统图，又称谱系图。其相似程度由距离或者相似系数定义。进行类别合并的准则是使得类间差异最大，而类内差异最小。