[发明专利]一种三维模型局部球面调和特征提取方法

说明书

技术领域

本发明属于计算机视觉领域，涉及球面调和变换、三维模型特征提取等技术。

背景技术

总结现有的三维模型识别方法，其特征提取方法主要有两种思路：一是基于深度图的特征提取方法，另一种是基于三维数据本身的方法。基于深度图的特征提取方法首先对三维模型进行姿态校正，然后生成深度图，最后利用二维特征提取方法对深度图进行特征提取。深度图虽然在一定层面上可以表示三维数据的形状特征，但是其毕竟是在某一方面的深度投影，所以投影方向的选取是一步十分重要的过程、一般情况下，在投影之前需要对三维模型进行姿态旋转校正。如果姿态校正处理不当就会引起某些特征丢失，进而导致识别失败。这一种方法从本质上说不属于三维特征提取，且其结果的好坏过分依赖于姿态校正的准确性。基于三维数据本身的方法指的是直接对三维数据进行特征提取的方法。这类方法可以更完整的保留三维模型形状的所有特征，不需要对三维模型进行姿态校正。但是，如果直接对三维模型进行三维特征提取即提取三维模型全局特征，由于三维数据的数据量远远大于二维数据，计算量一般情况下较大。为了减少计算量，研究者提出了基于局部特征的三维特征提取方法。这种方法首先从三维模型中选择出一些有代表性的点，然后对这些代表点的局部邻域进行特征提取与描述。这类方法可以在尽可能保留鉴别信息的前提下减少算法的计算量，近年来得到了越来越多研究者的关注。

局部特征可以保存在全局特征中容易忽略的细节信息，常见的LSP（Local Surface Patch）、LBP（Local Binary Pattern）算法都是基于局部信息的特征提取方法。LBP算法最早是基于二维图像提出的，其对于图像在平面内旋转及灰度单调变化具有鲁棒性，可以较好地表征图像的局部相关特征。近年来，研究者对LBP算法进行拓展用来表示三维图像的局部特征信息。如果简单的依照二维图像中的LBP算法进行三维拓展，将会遇到很多无法解决的问题。例如简单的将二维圆形邻域扩展到三维球型邻域，首先遇到的问题是采样问题，二维图像中的圆周可以等距离的分割出若干个采样点，而三维球面却无法进行均匀采样，其次是二维图像研究中心像素与周围像素的灰度差值关系，而拓展到三维中每个体素点却没有灰度值的定义了，每个体素点除了位置的差别没有其他不同的表征值，所以球面上体素与中心体素的差值便无法计算，最后即便是找到了一种度量标准来进行局部信息与中心体素的差值度量，也很难找到一个顺序对所有差值进行排列，二维圆周上的排列顺序只有两种，顺时针或者逆时针，而三维球面上的点却很难找到一个顺序来排列所有采样点。为了避免这些问题，研究者避开直接应用算法于三维数据之上，而是将三维图像在某一平面上进行投影，以得到相应的深度二维图像，深度图归一化之后，其特性与二维灰度图类似，依照典型的2D LBP算法处理二维深度图像。统计当前点与邻域点的深度差值，差值以一组4位二进制形式编码，统计邻域中每一点与中心点的深度差值即能得到4层二进制值，将每一层二进制数值转化为10进制数字，便能得到每一点像素深度LBP特征，由4个十进制数字组成，此算法被称之3D LBP算法（Hui Zeng，Ji-Yuan Dong，Zhi-Chun Mu，Yin Guo.Ear Recognition Based on3D Key-point Matching[C].IEEE International Conference on Signal Processing，2010，Beijing：1694-1697.）。可以看出虽然被称之3D LBP算法，但是算并不是真正的在3D数据中进行的，而是应用于三维图像的深度图像当中，虽然深度图像可以表示三维图像的结构信息，但是深度图像为三维图像某一方向的投影结果，必然会造成一些结构信息的丢失，所以实际上应称之为2.5D LBP算法。

球面调和变换是对三维数据进行的一种频域变换，目的是提取三维数据中所包含的空间旋转不变的特征，借此特征进行三维图像识别，从而克服姿态问题，提高识别鲁棒性。近年来，国内外研究人员也已经将球面调和变换的方法应用于三维模型特征提取之中，所含众多领域，包括医学器官成像、空间光谱分析、人脸识别等方面。研究人员将建模或者识别对象通过球面调和变换的方法变换，实现了旋转不变的三维模型特征提取方法，克服了姿态问题引起的误差。根据LBP算法的原理与球面调和变换的特点，本发明受到启发，提出了一种三维局部球面调和特征。该特征选取三维数据的局部点作为圆心，若邻域选择的足够小将会克服位置不稳定带来的误差，可以在一定程度上克服全局球面调和特征依赖球心选择的特点

发明内容：