[发明专利]一种基于加权匹配点的三维模型检索方法

说明书

技术领域

本发明属于三维模型检索技术领域，具体涉及一种基于加权匹配点的三维模型检索方法。

背景技术

三维模型具有内容丰富、形式多样、信息量大等特点，在医疗、娱乐、军备、科研、工程建筑等领域有着广泛应用。随着数字化生产与消费的发展，生成了越来越多的数字几何信息，迫切需要对这些信息加以处理、分析和识别。以便有效地理解、利用，甚至再利用这些信息，进一步提高生产力。在互联网上，涌现出越来越多的三维模型库，如何快速准确找到需要的三维模型已变得越来越重要。因此，三维模型检索研究具有重要的理论意义和实际应用价值。在MPEG-7国际标准中也已规定，与之相关的媒体数据除包括图片信息外，还包括三维模型及三维场景等虚拟媒体信息。

特征提取是三维模型检索的核心问题。目前，现有技术中特征提取方法非常多，存在的缺陷有：计算量很大且对边界点异常敏感；将三维模型投影成图像造成模型的空间内部信息丢失；一幅图像的SIFT特征个数高达上千，两两匹配十分耗时；压缩SIFT特征的做法匹配效率太低等。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的基于加权匹配点的三维模型检索方法。

为了实现上述发明目的，本发明采用的技术方案如下：

一种基于加权匹配点的三维模型检索方法，包括以下步骤：

步骤1)建立加权匹配点的检索模型，模型公式为

其中β_i为加权值，取值区间为[0，1]，且β₁+β₂+β₃＝1， x_i表示第i幅图像与目标图像匹配的关键点个数；

步骤2)以模型库中两类三维模型来确定参数，一类是类别A，另一类是类别目标模型为类别A中的某个三维模型，同时给出以下定义：

定义1：设目标模型为M_goal，类别A中三维模型为M⁺，则M⁺与M_goal之间的距离为其中表示M⁺的第i幅投影图像与目标模型的第i幅投影图像之间的关键点匹配个数。

定义2：设目标模型为M_goal，类别中三维模型为M^-，则M^-与M_goal之间的距离为其中，表示M^-的第i幅投影图像与目标模型的第i幅投影图像之间的关键点匹配个数。

定义3：设目标模型为M_goal，类别A中所有三维模型为则M_goal与类别A之间的距离为

定义4：设目标模型为M_goal，类别中所有三维模型为则M_goal与类别之间的距离为

步骤3)求解以下多目标最优化问题：

进一步地，所述步骤3)具体为：

将产生的一组关键点匹配个数设为 (α₁₁，α₁₂，α₁₃)，(α₂₁，α₂₂，α₂₃)，…，(a_n1，a_n2，α_n3)。

目标函数的解为其中，l∈{1，2，3}。

目标函数的解为其中，k∈{1，2，3}。

度量三维模型相似度的系数为其中，p为整数p∈{1，2，3}，α_ip表示类别A中第i个三维模型的第2p-1和第2p幅深度投影图像与目标模型对应的深度投影图像的关键点匹配个数，α′_ip表示类别中第i个三维模型的第2p-1和第2p幅深度投影图像与目标模型对应的深度投影图像的关键点匹配个数。

本发明提供的基于加权匹配点的三维模型检索方法，针对目标模型建立 SIFT特征的平衡二叉树，提出加权匹配点的检索模型进行相似性度量来提高检索性能，采用局部特征描述符检索三维模型，检索效率高，检索效果好，可以很好地满足实际应用的需要。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合具体实施例对本发明做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。