[发明专利]一种基于多标签传播的三维模型标注方法

说明书

本发明提出了一种新型的基于多标签传播的三维模型标注方法，本发明允许用户仅仅通过对少量样本的标注，结合样本空间中的样本关联关系，就能计算出整个样本空间的分类结果。另外，由于多标签传播的特点，发明的分类方法不仅是基于多标签分类，还充分利用了样本之间的关联关系，使得多标签分类的结果精度更高。具有收敛速度快，耗时短等诸多优点。

技术领域

本发明涉及三维模型分析处理技术，尤其涉及一种基于多标签传播的三维模型标注方法。

背景技术

近年来随着数据采集设备与技术的迅猛发展，导致三维模型在计算机的很多领域得到广泛应用。海量的三维模型带来了关于三维模型检索与分类等方向的研究热潮，也因此带来了不少的问题。其中一个较大挑战就是，对海量的三维模型数据进行检索需要高效的分类算法，而与传统的数据表现形式不同的是，三维模型复杂的数据构成使得我们对其进行特征提取与标签标注的难度成倍地上升。

为了解决这一问题，目前有许多的三维模型分类算法被提出。从特征测量方式的角度，它们主要被分为以下三种:基于视图，基于体素结构栅格化与基于点云数据。基于视图的方法对三维模型进行环绕拍照，将三维模型的特征转化为二维图形的特征集合，虽然模糊了数据但是保留了大多数的模型细节，相比而言拥有最高的效率与精度比。这些方法经常也和机器学习相结合，例如监督学习与半监督学习方法，得到对三维模型的高层次语义理解。其中，基于监督学习的分类算法拥有理论上最高的分类精度，也是最流行的分类算法。但是同样地，它的算法精度严重依赖于其训练数据集，需要对所有的训练样本进行标注。而半监督的学习方式仅需要对样本空间进行少量标注，依靠样本的关联关系发掘整个样本空间的标注潜力，其中标签传播是一种简单却行之有效的基于图的分类算法。

发明内容

本发明针对现有技术的不足，提出了一种新基于多标签传播的三维模型标注方法，

本发明内容的主要步骤是：

步骤一：多维视图获取

将三维模型置于等比例的正十二面体之中，并将二十个光场相机置于正十二面体的各个顶点之上，对每一个三维模型提取相同角度的二十张图片作为描述图；每张描述图表示为I_i，v，即第i个模型的第v张图像；

步骤二：相似距离计算

对每张图像I_i，v，计算它们有梯度直方图，得到每张图像的特征表示H_i，v；计算的过程如下：1.将图片样本转换成灰度图；2.对样本采取高斯平滑后，计算样本梯度；3.对样本图片进行单元划分；梯度方向量化为九个区域；将梯度值作为权重值加入到像素空间中；4.对尺度进行归一化，从而有效地减少背景与阴影的影响；5.统计链接直方图，将特征方向存储于一个1*3780的矩阵中，得到特征描述H_i，v；

对每个模型，将20张图像的特征描述连接起来，形成形状的特征描述F_i＝(H_i，1；H_i，2；...；H_i，20)；通过计算两个形状的特征描述的相似性距离，得到形状间的相似距离d_(i，j)＝||F_i-F_j||²，这里d_(i，j)表示第i个模型和第j个模型的相似距离；

步骤三：多标签传播