[发明专利]基于较优视图和深度卷积神经网络的三维模型检索方法

摘要

本发明涉及基于较优视图和深度卷积神经网络的三维模型检索方法，本发明首先从多个视点提取三维模型的视图，并按照灰度熵的排序选取较优视图。其次通过深度卷积神经网络对视图集进行训练，从而提取视图的深度特征并进行降维。同时，对输入的自然图像提取边缘轮廓图，经过相似度匹配返回一组三维模型。最后，基于目标模型所属类别占检索结果比例对结果列表进行微调重排，返回最终的检索结果以实现三维模型检索，此方法有效选取了较优视图，降低了视图冗余，并使用深度特征对视图进行更高层的表达，有效提高了检索效果。

主权项

1.基于较优视图和深度卷积神经网络的三维模型检索方法，其特征在于，包括如下步骤：(1)预定义初始视点的坐标，通过从多个不同角度、等距的方式对三维模型渲染出二维视图；(2)根据三维模型数据集中各个分类下的模型数量占模型总数的比例确定该类别下模型最终保留的较优视图数量，并对每个模型保留的较优视图计算灰度熵，用熵过滤机制去除较差视图，得到较优视图集；(3)在VGG16神经网络结构内的卷积模块的基础上构建一个由3个卷积层和2个全连接层构成的卷积神经网络，使用该卷积神经网络对较优视图集进行充分训练后对较优视图提取深度特征，并通过PCA对提取到的深度特征进行降维；(4)检索时选取自然图像进行边缘检测获得轮廓线条图，通过卷积神经网络进行特征提取，通过计算输入图像的特征与较优视图集提取的特征之间的欧几里德距离，并进行相似度匹配，获取初始检索结果列表；(5)依据初始检索结果列表中模型所属分类下模型数量与列表长度的比例调整匹配值，并以此对检索结果列表的次序进行重排，得到最终的检索结果。