[发明专利]一种基于NMF的三维模型分类方法

摘要

本发明公开了一种基于NMF的三维模型分类方法，包括：步骤1，输入三维模型集，对输入的三维模型集进行特征计算得到NMF初始输入矩阵及三维模型集的NMF初始分类结果，其中三维模型集中的三维模型是包含网格点的三维坐标以及网格点的三角关系的三角网格模型；步骤2，对三维模型集进行可视化呈现，其中可视化是指提供可视化界面窗口供用户后续的交互操作；步骤3，设计面向三维模型集的可交互NMF方法，根据能量方程，实现基于用户驱动的三维模型集动态分类，其中可交互NMF方法分别为操作分裂与合并方法。

主权项

1.一种基于NMF的三维模型分类方法，其特征在于，包括以下步骤：步骤1，输入三维模型集，对输入的三维模型集进行特征计算得到NMF初始输入矩阵及三维模型集的NMF初始分类结果，其中三维模型集中的三维模型是包含网格点的三维坐标以及网格点的三角关系的三角网格模型；步骤2，对三维模型集进行可视化呈现，其中可视化是指提供可视化界面窗口供用户后续的交互操作；步骤3，设计面向三维模型集的可交互NMF方法，根据能量方程，实现基于用户驱动的三维模型集动态分类，其中可交互NMF方法分别为操作分裂与合并方法；步骤1包括如下步骤：步骤1‑1，构建三维模型集的BOW词袋模型特征，得到NMF初始输入矩阵；步骤1‑2，利用NMF完成对三维模型集的预分类计算，得到三维模型集的初始分类结果；步骤1‑1包括如下步骤：步骤1‑1‑1，三维模型集HKS计算：利用多尺度扩散热核HKS方法对输入三维模型集每个网格点进行特征计算，得到HKS描述符，以表示三维模型集的局部特征信息；步骤1‑1‑2，矢量量化：通过k‑means聚类三维模型集的HKS描述符计算得到相应的单词表；步骤1‑1‑3，通过统计构建三维模型集中各三维模型的对应单词表的概率分布，获得各三维模型的词袋模型BOW特征，同时利用计算出的BOW特征得到NMF的输入矩阵V，即三维模型集特征矩阵；步骤2包括以下步骤：步骤2‑1，通过t‑SNE完成将各三维模型的词袋模型BOW特征从高维空间到二维平面的转换；步骤2‑2，加入三维模型集的可视化界面，将t‑SNE转化投影结果予以显示从而完成输入三维模型集的可视化显示，同时对各模型的投影点利用NMF初始分类结果进行对应标记，完成可视化显示，用于后续的交互操作，可视化界面窗口包含辅助浏览窗口和可视化区域，其中辅助浏览窗口区域的三维模型与可视化区域的显示点进行一一对应显示；步骤3包括以下步骤：步骤3‑1，设计面向三维模型集的可交互NMF能量方程，可交互NMF能量方程为：求取该表达式的最小值获取最优解，方程通过输入参数V，L，M_w来求取最佳的W，H值，其中min_W,H≥0表示求取公式值最小化下的W，H值，V为步骤1‑1‑3得到的NMF的输入矩阵，即三维模型集特征矩阵；W，H分别为NMF所要求取的中心矩阵与指代矩阵，L为相对于W的参考矩阵；M_W为调节参数的对角矩阵，矩阵M_W对角线上的值在0～1之间，a为调节参数，调节方程结果收敛方向的权重，其范围在0～1之间；步骤3‑2，通过三维模型集类别合并与类别分裂两类操作动态更改三维模型集：三维模型集类别合并：当用户指定三维模型集类别的代表三维模型后，根据该代表三维模型所属的类别来定位其在当前中心矩阵W中的列信息，在合并操作过程中，根据所指定的三维模型来获取新的列信息，原中心矩阵W中未合并的列信息直接存储到矩阵L中，再将求得的需合并三维模型的新的聚类中心加入到矩阵L中；三维模型集类别分裂：用户在已有的分类结果基础上创建全新类别，即用户通过浏览确定所需分裂的类别，并选择相应代表三维模型获取新的分类信息，当分裂时，在原有分类基础上增加新的聚类中心，指导NMF进行计算，参考矩阵L在原有的中心矩阵W基础上增加代表新聚类中心的列信息。