[发明专利]基于梯度方向累加热核特征的非刚性三维模型检索方法

权利要求书

1.一种基于梯度方向累加热核特征的非刚性三维模型检索方法，其特征在于，包括：

计算三维模型点的热核特征及其对数差分值；

将所述对数差分值的梯度差分绝对值按照梯度方向进行累加，得到梯度方向累加热核特征；

根据得到的梯度方向累加热核特征，确定梯度方向累加热核形状描述子；

根据确定的梯度方向累加热核形状描述子，利用梯度下降法进行融合特征学习，获得融合特征；

根据得到的融合特征，采用相似性度量方法进行检索；

其中，所述根据确定的梯度方向累加热核形状描述子，利用梯度下降法进行融合特征学习，获得融合特征包括：

将B×N_B的梯度方向累加热核形状描述子矩阵的每一行分别依次送入相应的自动编码器，其中，B表示梯度方向累加热核特征的维数，N_B表示B维的梯度方向累加热核特征描述向量的每一维的取值区间的子区间个数，自动编码器的个数为B个；

以样本类别标签作为输出，构造融合特征网络；

将类别标签作为输出层，把类别信息加入到特征融合的计算中，使用梯度下降算法训练构造的融合特征网络，使网络代价函数为最小，得到融合特征。

2.根据权利要求1所述的基于梯度方向累加热核特征的非刚性三维模型检索方法，其特征在于，对数差分值表示为：

其中，表示h_τ的对数差分值，h_τ表示三维模型X在α^τ时刻对应的热核信号的取值/热核特征，h_τ+1表示三维模型X在α^τ+1时刻对应的热核信号的取值/热核特征。

3.根据权利要求1所述的基于梯度方向累加热核特征的非刚性三维模型检索方法，其特征在于，所述将所述对数差分值的梯度差分绝对值按照梯度方向进行累加，得到梯度方向累加热核特征包括：

确定梯度方向θ，并将所述对数差分值的梯度差分的绝对值作为梯度方向累计值GDA：

其中，表示三维模型X在时刻α^τ+2对应的热核信号的对数log h_τ+2与在时刻α^τ+1对应的热核信号的对数log h_τ+1的差值，表示三维模型X在时刻α^τ对应的热核信号的对数log h_τ与在时刻α^τ-1对应的热核信号的对数log h_τ-1的差值；△T为采样时间t_τ+1和t_τ-1的差值，即：△T＝t_τ+1-t_τ-1＝α^τ+1-α^τ-1，k为时间比例系数，α和τ为计算采样时间t参数；

将梯度方向θ的取值区间以为间隔等分成B个子区间，将梯度方向累计值GDA落入每个子区间的值进行叠加，得到一个B维的梯度方向累加热核特征描述向量，其中，B表示特征维数。

4.根据权利要求3所述的基于梯度方向累加热核特征的非刚性三维模型检索方法，其特征在于，在得到一个B维的梯度方向累加热核特征描述向量之后，所述方法还包括：

将得到的B维的梯度方向累加热核特征描述向量进行二范数归一化处理。

5.根据权利要求3所述的基于梯度方向累加热核特征的非刚性三维模型检索方法，其特征在于，所述根据得到的梯度方向累加热核特征，计算梯度方向累加热核形状描述子包括：

将得到的B维的梯度方向累加热核特征描述向量的每一维的取值区间分为N_B个子区间；

统计梯度方向累加热核特征描述向量的每一维元素落入N_B个子区间的个数，得到B个N_B维的特征分布统计向量；

对每一个N_B维的特征分布统计向量，分别进行L1范数归一化处理，得到B×N_B的梯度方向累加热核形状描述子矩阵。