[发明专利]基于热核特征的物体二维形状分类方法

权利要求书

1.基于热核特征的物体二维形状分类方法，用于实现对模型库内多个物体二维图像的分类，其特征在于，所述基于热核特征的物体二维形状分类方法包括如下步骤1至步骤5：

步骤1，获取所述模型库内各物体二维图像的形状信息；其中，所述物体二维图像的形状信息包括物体形状和物体形状边界，所述物体形状标记为O，所述物体形状的边界标记为

步骤2，对获取的各所述形状信息分别做三维建模，分别对应生成具有光滑表面且封闭的三维网格模型；其中，任一个所述三维网格模型的生成过程包括如下步骤2-1至步骤2-8：

步骤2-1，提取所述物体二维图像的物体形状；其中，所述物体形状标记为O，所述物体形状的边界标记为

步骤2-2，计算所述物体形状的直骨架，得到所述物体形状内的多个块区域；其中，所述物体形状内的块区域数量标记为N，第i个块区域标记为s_i，1≤i≤N，s_i为一个具有k个顶点的多边形，所述块区域s_i的边界标记为所述边界上的任一顶点标记为p_g，所述顶点p_g的三维坐标标记为p_g(x_g,y_g,z_g)；

r表示顶点p_g到所述物体形状O的边界的最短距离；

步骤2-3，针对所述物体形状内的各块区域做内部约束三角化处理，使得所述各块区域被对应地分成多个小三角形；其中，经内部约束三角化处理后，所述块区域s_i被对应地分成小三角形的总数量标记为1≤i≤N；

步骤2-4，计算所述各块区域所对应分成的各小三角形对应顶点的三维坐标；其中，所述块区域s_i内的第j个小三角形Tr_j所对应顶点的三维坐标标记为和是已知的，顶点的纵坐标值计算公式如下：

其中，α_g表示小三角形上的顶点所对应的角度，α_g-1表示小三角形上的顶点所对应的角度；

步骤2-5，根据所得各小三角形所对应顶点的三维坐标，得到各顶点所对应的拉普拉斯算子；其中，所述顶点对应的拉普拉斯算子标记为△u(j)：

u(j)表示所述顶点的热量值；α_wj和β_wj表示分别与顶点和顶点之间连线所相对的夹角的角度，A(w)为与顶点所邻接的所有小三角形面积之和的三分之一；

步骤2-6，根据所得各顶点所对应的拉普拉斯算子以及所述步骤2-4计算后各顶点坐标的三维坐标值，对所述各小三角形的顶点位置分别进行更新，对应得到各小三角形所对应顶点的更新后顶点坐标；其中，

其中，△为小三角形所对应任一顶点的拉普拉斯算子，△X＝0和△Y＝0表示对所述物体二维形状边界的约束；A为与顶点所邻接的所有小三角形面积之和的三分之一；η为控制物体所对应三维网格模型高度的参数；

步骤2-7，判断步骤2-6中所述各更新后顶点坐标收敛到预设误差范围内时，则执行步骤2-8；否则，转至执行步骤2-5；

步骤2-8，生成表面光滑且封闭的三维网格模型；

步骤3，提取各所述三维网格模型的各顶点的热核特征；其中，所述三维网格模型的顶点的热核特征提取包括如下步骤3-1至步骤3-2：

步骤3-1，将非刚性的三维网格模型作为二维流形，根据热核理论，获取所述二维流形上的任一顶点在任一时刻的热核；其中，所述二维流形上的任一顶点标记为该顶点在任一时刻t_n所对应的热核标记为

其中，λ_q表示顶点所对应拉普拉斯算子的第q个特征值，表示该顶点所对应拉普拉斯算子的第q个特征值所对应的特征向量；

步骤3-2，设定时间域，并将获取的所述各顶点所对应的热核限制在所述时间域上，得到所述各顶点的热核特征；其中，所述时间域标记为t，所述顶点在所述时间域t上的热核特征标记为

其中，N'的值由在所述时间域t内所选取时间节点的个数来决定；

步骤4，通过聚类方法构建所述模型库的特征词典，把所得每个三维网格模型的热核特征投影到所述特征词典上，分别对应生成针对每个三维网格模型的统一特征描述子；其中，所述三维网格模型的统一特征描述子生成过程包括如下步骤4-1至步骤4-5；

步骤4-1，构建聚类中心集合，由所述模型库内所有顶点所对应的热核特征形成热核特征集合，并在所述热核特征集合中，随机选取一个三维网格模型的任意一个顶点所对应的热核特征作为第一个聚类中心；其中，所述聚类中心集合标记为C，该聚类中心集合内的聚类中心个数为J；

步骤4-2，针对所述热核特征集合中的每一个热核特征，计算与该热核特征最近聚类中心的欧式距离，并计算所述热核特征集合中各热核特征所对应欧式距离的距离和值；其中，热核特征与该热核特征最近聚类中心的欧式距离标记为所述热核特征集合中各热核特征所对应欧式距离的距离和值标记为

步骤4-3，在所述热核特征集合中，计算各热核特征被选取作为聚类中心的选中概率，并以所得所有选中概率中的最大值所对应的热核特征作为新的聚类中心；其中，设定所述热核特征集合中任一个热核特征被选取作为聚类中心的选中概率标记为

步骤4-4，重复执行步骤4-2和步骤4-3，直到选取得到预设数量的聚类中心，并将所选取的所有聚类中心作为初始聚类中心放置到所述聚类中心集合C中；其中，所述聚类中心的预设数量设置为J'；

步骤4-5，将步骤4-4中所述聚类中心集合中的所有聚类中心作为特征单词库，并将该聚类中心集合中的任一聚类中心作为所述特征单词库中的单词，根据每个顶点所对应热核特征到所述特征单词库内各单词的欧式距离，将所述顶点的热核特征映射到距离最短的单词中，统计每个单词在任一个三维网格模型的所有热核特征中出现的频数，得到每个三维网格模型所对应的统一特征描述子；

步骤5，根据所得针对各所述三维网格模型的统一特征描述子，对所述模型库内各三维网格模型做相似性度量，实现对多个所述物体二维形状的分类；其中，对物体二维形状的相似性度量和分类过程分别对应如下步骤5-1和步骤5-2：

步骤5-1，根据所得各三维网络模型对应的统一特征描述子做相似性度量，得到各三维网格模型之间的欧式距离，并将与任一个三维网格模型具有最小欧式距离的三维网格模型作为该任一个三维网格模型的同类；其中，所述三维网格模型之间的欧式距离计算方式如下：

计算任意两个所述三维网格模型之间的欧式距离；其中，所述任意两个三维网格模型分别标记为G和Y，所述三维网格模型G和三维网格模型Y之间的欧式距离标记为d_BOW(G,Y)：

d_BOW(G,Y)＝||f(G)-f(Y)||₂；

f(G)表示所述三维网格模型G所对应的统一特征描述子，f(Y)表示所述三维网格模型Y所对应的统一特征描述子；||·||₂表示计算两个向量之间的欧式距离；

步骤5-2，将作为同类的三维网格模型所对应的各物体二维形状归为一类，实现对多个物体二维图像的分类。