[发明专利]基于标签传播的交互式形状协同分割方法及装置

说明书

技术领域

本发明属于形状协同分割技术领域，尤其涉及一种基于标签传播的交互式形状协同分割方法及装置。

背景技术

传统几何处理方法依赖于局部几何信息来对三维几何模型进行分析和处理，然而近年来，人们越来越发现仅仅利用局部几何信息很难实现复杂的几何处理任务。随着研究工作的深入，人们开始挖掘和利用几何形状的整体和结构信息，并提出了相应的几何处理方法，即形状分析方法。近十年来，形状分析方法在几何处理领域得到了广泛的关注和发展，成为现在的研究热点。

最近，在形状分析处理领域，学者们认为对多个形状进行协同分析，能得到更多的有价值的信息，从而有效改进对单个形状作分析处理之后的结果。形状协同分割是这一类工作的基础，它是指同时分割一组形状，并且建立分割后不同形状子块之间的对应关系。形状协同分割能有效辅助解决很多形状处理问题，如建模、模型检索、纹理映射等。

目前，协同分割方法可以大致分为三类：无监督方法、监督方法和半监督方法。

在无监督方法中，协同分割不能处理尺度变化大的情况，针对复杂的，或刚体差异性大的形状并不能鲁棒处理。后来又采用风格来定义不同形状间的块伸缩性，并以此来优化之前的方法，这样能处理刚体对齐时部件伸缩，但本质上它还是依赖于形状之间的刚体对齐。为克服之前方法对刚体要求的依赖，有出现了一种基于特征描述符的方法，该方法采用多个特征描述符来度量子片之间的相似性，并构造相似矩阵。通过对该相似矩阵作特征分解，该方法最终将形状的协同分割问题看作为在谱空间中的聚类问题，并得到针对某一类形状的协同分割结果。因为形状描述符是独立于形状的位置和伸缩等变化的，从而能处理几何和拓扑变化比较大的数据集。随后将多个描述符作连接得到它们之间的相似性度量。然而，以上的无监督方法都不能保证结果的准确性，协同分割的结果依赖于给定的数据集。

在监督学习方法中，一般采用监督学习的方法来同时分割和标注形状。给定一些已经分割和标注好的模型，使用描述符描述这些已分割和标注好的数据，然后将这些数据作为训练数据，训练出一个分类器。当给定一个待标注的模型，基于该分类器，他们能快速得到模型的分割和标注结果。如果将先验知识加入之前监督学习方法的训练数据中，得到效果更优的分类器。然而，这一类方法需要人工标注大量的数据作为训练数据，最终分割和标注的结果也依赖于之前的训练集。

目前又有学者提出一种基于半监督学习的协同分割方法，该方法允许用户通过标注一些成对约束，主动协助参与协同分割过程。证明了仅需要指定少量的成对约束，他们能得到高准确率的结果。但是这种方法交互方式并不是很直观，需要用户指定成对约束；另外还不能很好的处理样本外的数据，给定一个样本外的数据，他们方法需要重新执行整个算法流程。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于标签传播的交互式形状协同分割方法装置，旨在解决现有形状协同分割方案需要用户指定成对约束、不能很好处理样本外数据的技术问题。

一方面，所述基于标签传播的交互式形状协同分割方法包括下述步骤：

将给定的一组形状过分割成子片，并构建子片间的关系图模型；

当其中部分子片接收到用户指定的标签信息后，基于所述关系图模型，沿着图中的边将已标注的标签信息传播至其他未标注的子片上。

另一方面，所述基于标签传播的交互式形状协同分割装置包括：

预处理单元，用于将给定的一组形状过分割成子片，并构建子片间的关系图模型；

标签传播单元，用于当其中部分子片接收到用户指定的标签信息后，基于所述关系图模型，沿着图中的边将已标注的标签信息传播至其他未标注的子片上。

本发明的有益效果是：本发明将标签传播技术结合至形状协同分割领域，首先对给定的一组形状经行预处理，包括过分割和构建关系图模型，然后与用户进行交互，用户可以在一些子片上指定它们的标签信息，然后基于之前建立的关系图模型，沿图中的边将已标注的标签信息快速传播至未标注图节点上，从而得到它们协同分割结果。相比目前基于半监督学习的协同分割方法，本发明的交互手段更直接，交互速度更快，准确率更高；同时，采用本发明方法同样可以高效地对样本外数据进行处理。

附图说明

图1是本发明实施例提供的基于标签传播的交互式形状协同分割方法的流程图；

图2是图1中步骤S101的优选流程图；

图3是本发明实施例提供的基于标签传播的交互式形状协同分割装置的结构方框图；

图4是本发明实施例提供的预处理单元的结构图。