[发明专利]一种基于视图的特征匹配三维模型检索方法

权利要求书

1.一种基于视图的特征匹配三维模型检索方法，其特征在于，所述检索方法包括以下步骤：

从多视角模型库和单视角模型库中分别选择一些物体作为训练集，将多视角高斯核和跨视角高斯核合并为多视角训练特征，将单视角高斯核和跨视角高斯核合并为单视角训练特征，利用多视角训练特征和单视角训练特征构建目标函数并使其最小化得到特征匹配矩阵；

从多视角模型库和单视角模型库中分别选择一些物体作为测试集，将多视角高斯核和跨视角高斯核合并为多视角测试特征，将单视角高斯核和跨视角高斯核合并为单视角测试特征；

将多视角测试特征乘以转换函数得到映射后的特征，将单视角测试特征乘以另一转换函数得到映射后的特征；计算特征间的cos距离进而获得模型之间的相似度；

所述多视角高斯核具体为：通过计算协方差矩阵的距离范数d(s_si,s_sj)的高斯核得到多视角高斯核

K′_s(si,sj)＝exp(-d(s_si,s_sj)²/2σ²)

其中，σ是d(s_si,s_sj)的标准差；K′_s(si,sj)为第si个多视角三维物体与第sj个多视角三维物体间的高斯核；

所述单视角高斯核具体为：

K′_v(vi,vj)＝exp(-||v_vi-v_vj||²/2t²)

其中，vi,vj∈{1,2,...,n}，t为单视角向量集V的标准差；n为单视角三维物体的个数；v_vi为第vi个单视角三维物体的特征；v_vj为第vj个单视角三维物体的特征；K′_v(vi,vj)为第vi个单视角三维物体与第vj个单视角三维物体间的高斯核；

所述跨视角高斯核具体为：通过计算多视角向量集的协方差矩阵和单视角向量集V的马氏距离d(v_vi,C_sj)的高斯核得到跨视角高斯核，

K′_sv(vi,sj)＝exp(-d(v_vi,C_sj)²/2τ²)

其中，τ是马氏距离d(v_vi,C_sj)的标准方差；K′_sv(vi,sj)为第vi个单视角三维物体与第sj个多视角三维物体间的高斯核；C_sj为第sj个多视角三维物体特征的协方差矩阵。

2.根据权利要求1所述的一种基于视图的特征匹配三维模型检索方法，其特征在于，所述检索方法还包括：

将数据库中所有物体的多视角彩色视图集定义为多视角模型库；

对每个物体的多视角彩色视图集随机抽取一张视图，得到各物体的初始单视角视图，将所有物体的初始单视角视图定义为单视角模型库。

3.根据权利要求2所述的一种基于视图的特征匹配三维模型检索方法，其特征在于，所述检索方法还包括：

在多视角模型库和单视角模型库中，提取各物体的初始视图集的卷积神经网络特征，得到初始特征多视角向量集和类别标签，初始特征单视角向量集和类别标签；

分别提取向量集的高斯核并定义为多视角高斯核、单视角高斯核和跨视角高斯核。

4.根据权利要求1所述的一种基于视图的特征匹配三维模型检索方法，其特征在于，所述利用多视角训练特征和单视角训练特征构建目标函数的步骤具体为：

将多视角训练特征的转换函数定义为ψ，单视角训练特征的转换函数定义为f，构建目标函数如下：

其中，λ₁＞0，λ₂＞0为权重函数并满足λ₁+λ₂＝1；C(f,ψ)是多视角训练特征和单视角训练特征之间相似度和不相似度的约束项；D(f,ψ)用于保持所有训练特征的几何特性；O(f,ψ)用于保持数据的各同向性分布。