[发明专利]一种基于增量慢特征的3D模型检索方法及其检索装置

摘要

本发明公开了一种基于增量慢特征的3D模型检索方法及其检索装置，方法包括：运用有监督的增量慢特征分析方法，对预处理后的视图集进行增量慢特征提取；根据提取出的增量慢特征获取增量慢特征的排序，根据排序结果筛选增量慢特征并生成3D模型的增量慢特征库；利用最近邻算法对3D模型的增量慢特征库进行检索匹配，获取与候选模型相似的物体并输出。装置包括：提取模块、获取模块、生成模块以及匹配与输出模块。本发明降低了非刚性模型特征提取的难度，提高了特征提取的稳定性和准确性，为后续的3D模型检索提供了良好的条件，确保了检索结果更加高效准确。

主权项

1.一种基于增量慢特征的3D模型检索方法，其特征在于，所述3D模型检索方法包括以下步骤：运用有监督的增量慢特征分析方法，对预处理后的视图集进行增量慢特征提取；根据差分信号、协方差矩阵特征向量的第一个特征值、3D模型的第k张视图的第一个次要成分，获取3D模型第k张视图的次要成分；通过3D模型的次要成分获得增量慢特征估计；通过每张视图的主成分与每张视图的增量慢特征估计，获取多个增量慢特征；根据提取出的增量慢特征获取增量慢特征的排序，根据排序结果筛选增量慢特征并生成3D模型的增量慢特征库；利用最近邻算法对3D模型的增量慢特征库进行检索匹配，获取与候选模型相似的物体并输出；获取数据库中物体的2D视图集V，对2D视图集进行预处理，使得所有3D模型的视图尺寸大小一致；所述差分信号通过一个3D模型第k张视图的主成分z(k)以及第k‑1张视图的主成分z(k‑1)获取；所述利用最近邻算法对3D模型的增量慢特征库进行检索匹配的步骤具体为：应用下述公式(1)将增量慢特征学习后的数据进行处理，计算不同的2D图像之间的特征点距离：其中，y_i和y_j代表一个3D模型的两个不同2D图像，S₁(y_i,y_j)代表2D图像y_i和y_j之间的相似度，代表y_i特征的映射函数，代表y_j特征的映射函数；根据S₁(y_i,y_j)，利用公式(2)计算不同3D模型的相似度，即最小的特征点距离；其中，S₂(P,Q)代表模型P和Q的相似度，n表示3D模型P的2D视图个数，m表示3D模型Q的2D视图个数，因为对前面的数据库进行了预处理，所以n等于m；最高相似度的检索模型可以用如下公式计算：Q^*＝argmaxS₂(Q_i,P)   (3)其中，Q^*表示相似度最高的检索模型，Q_i表示一个候选模型，P是输入模型，S₂(Q_i,P)表示候选模型和输入模型的相似度；最后将查询目标与多视角模型库中所有模型的匹配概率降序排列，得到最终的检索结果。