一种互联网图像驱动的三维模型最优视图自动选择方法技术

本发明专利技术公开了一种互联网图像驱动的三维模型最优视图自动选择方法，包括以下步骤：三维模型集预处理；图像视角分类器训练：得到一个用以估计图像的观察视角的分类器，包括训练集生成、图像视角分类器训练两个步骤；互联网图像采集：通过图像搜索引擎和社交网络中用户上传的大量图像，采集互联网中相应模型的图像，包括互联网图像抓取、无关图像过滤以及前景物体图像提取三个步骤；视图投票评价：通过互联网图像对三维模型相应的视图投票，选择排序靠前的视图为最优视图，包括互联网图像视角估计以及视图排序两个步骤。本发明专利技术可以适用于包括刚体和非刚体在内的多种类别的三维模型，符合人们的视觉习惯。

【技术实现步骤摘要】
一种互联网图像驱动的三维模型最优视图自动选择方法
本专利技术涉及一种互联网图像驱动的计算机图形形状分析的处理方法，属于计算机图形学
，具体地说是一种互联网图像驱动的三维模型最优视图自动选择方法。
技术介绍
根据成像原理以及视觉计算理论，三维模型需要在人类的视网膜或者显示屏幕上映射到二维视图后，才能被人类浏览和认知。人类对物体的认知依赖于视点位置，而使得人类能够最好地认知和理解三维模型的视点位置，称之为该三维模型的最优视点，从该视点映射得到的二维视图为最优视图。最优视图选择问题的目标在于找到能够表示三维模型主要特点的代表性视图。计算机技术的发展使得三维模型在计算机辅助设计、数字娱乐、医学、生物学等诸多领域得到了广泛的应用，为了有效地利用由此产生的大量三维模型，需要高效的浏览与认知手段。三维模型数据集的浏览过程中，应该选用具有代表性的最优视图作为缩略图来展示三维模型。人类能够合理地选择视点位置，得到三维模型的最优视图，但是对于大量的三维模型来说，完全由人工选择是不可行的，因而需要自动选择三维模型最优视图的方法。由于最优视图和人类的感知有关，难以确切地给出最优视图严格的数学定义，因此近年来出现了多种最优视图的定义以及相应方法。这些方法都基于不同的最优视图的定义来量化人类观察物体的视觉习惯，将二维视图的优劣定义为一个三维模型与视图相关的函数，使得该函数取得最大值的视图就是最优视图。一种是基于信息论的框架，最优视图是包含最多信息的视图，一个视图的信息量由熵函数来评价，例如文献1：FeixasM，delAceboE，BekaertP，etal.Aninformationtheoryframeworkfortheanalysisofscenecomplexity[J].ComputerGraphicsForum18(3)，95-106(1999).定义了基于互信息的场景复杂性评价，来度量场景中点或者面片之间的相关性；文献2：杨利明，王文成，吴恩化.基于视平面上特征计算的视点选择[J].计算机辅助设计与图形学学报，2008，20(9)：1097-1103.在视平面上分析曲率特征度量模型的几何特征在视平面上的分布状况，以此计算熵值作为衡量视点优劣的标准；文献3：曹伟国，胡平，李华，等.基于距离直方图的最优视点选择[J].计算机辅助设计与图形学学报，2010，22(9)：1515-1521.提出基于距离直方图的三维模型最优视点选择方法，计算距离直方图的香农熵并作为衡量视点优劣的标准，又如文献4：JoshuaP，PhilipS，AlekseyG，etal.Aplanar-reflectivesymmetrytransformfor3Dshapes[J].ACMTransactionsonGraphics，2006，25：549-559.提出的对称性方法、文献5：YamauchiH，SaleemW，YoshizawaS，Karni，etal.Towardsstableandsalientmulti-viewrepresentationof3Dshapes.InProceedingsoftheIEEEInternationalConferenceonShapeModelingandApplications2006(SMI’06)，2006：40.提出的相似性方法等等使得视觉冗余信息最小化。虽然基于这种定义，有着众多的评价标准及相应方法，但是三维模型随着人们的需求有各种类别，使得难以有适用于所有种类三维模型的通用评价标准。此外，这些方法并不考虑在视觉上能够对模型加以区别，然而同类三维模型也会有几何变化，这样也就难以保证同类模型具有人类感官上相似的最优视图，因此，这些方法不适用于对三维数据集的高效浏览。此外，这些定义都试图量化人类的对于三维模型的视觉认知。但是这些量化标准都相对主观。一种更好的方法是引入人们对他们感觉的最优视图的投票和选择，以往这种人工标记需要很多的人力成本来调查人们的观点。但是，人们在拍摄照片的时候往往带有对于物体视角的喜好，这可以反映出人们对于三维模型最优视图的选择。而且随着互联网的和图片共享服务的兴起，人们愿意在互联网上发布自己拍摄的图像。这样可以利用在互联网上的大量图像直接获取人们对于三维模型最优视图的选择。此外，这种定义是在类别层次上的，只需要对于一类三维模型进行计算和选择，不需要对每个模型的每个视图进行计算，从而可以节省计算代价。文献6：中国专利技术专利，CN102163343，基于互联网图像的三维模型最佳视角自动获取方法，使用了这种定义来获得三维模型最优视图，但是仅仅利用了互联网图像和三维模型视图之间一些简单特征的匹配，对于人体等非刚体以及其他较为复杂的模型的效果不佳，而且需要对于每个模型的每个视图进行处理，需要很大的计算开销。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种互联网图像驱动的三维模型最优视图自动选择方法，利用互联网图像来支持对三维模型最优视图的自动选择。为了解决上述技术问题，本专利技术公开了一种互联网图像驱动的三维模型最优视图自动选择方法，包括以下步骤：步骤一，三维模型集预处理：对输入的三维模型集中的各个三维模型进行预处理，得到所有三维模型的类别，包括姿态校正、尺度归一化以及三维模型类别判断三个步骤，所述三维模型集中每个三维模型设有类别或者描述标记；姿态校正过程调整三维模型的坐标系，将三维模型的姿态校正为直立状态；尺度归一化过程将三维模型的大小归一化为单位长度；三维模型类别判断过程根据已有三维模型集来确定不在三维模型集中未分类三维模型的所属类别；步骤二，图像视角分类器训练：得到一个用以估计图像的观察视角的分类器，包括训练集生成以及图像视角分类器训练两个步骤；训练集生成过程渲染带有贴图和纹理的三维模型，并采集各个角度的图像和视角标记；图像视角分类器训练过程使用之前生成的训练集，来训练得到一个对于某类物体图像的视角分类器；步骤三，互联网图像采集：通过图像搜索引擎和社交网络中用户上传的大量图像，采集互联网中相应模型的图片，包括图像抓取、无关图像过滤以及前景物体图像提取三个步骤：互联网图像抓取过程以三维模型类别描述为关键词，通过爬虫抓取图像搜索引擎和社交网络中用户上传的大量图像；无关图像过滤过程过滤掉与三维模型类别描述无关的图像，保留相关的图像；前景物体图像提取过程将图像中背景去除，提取出前景物体及其包围盒，并放置于纯白色背景的新图像之中，构建相应三维模型的候选互联网图像集合；步骤四，视图评价：通过互联网图像对三维模型相应的视图投票，选择排序靠前的视图为最优视图，包括互联网图像视角估计以及视图排序两个步骤；互联网图像视角估计过程使用图像视角分类器对于互联网图像集合的所有图像的视角进行估测和计算；视图排序过程中，三维模型对应的互联网图像集合中每幅图像对相应的视角进行投票，按视图得到的票数降序排列，排序最靠前视图的为该模型的最优视图。本专利技术步骤一中所述姿态校正部分还包括以下步骤：步骤111计算三维模型的中心，将三维模型平移至以该模型的中心为原点的坐标系上。步骤112通过PCA(主成分分析，PrincipalComponentAnalysis)方法(文献7：Pea本文档来自技高网...

【技术保护点】
一种互联网图像驱动的三维模型最优视图自动选择方法，其特征在于，包括以下步骤：步骤一，三维模型集预处理：对输入的三维模型集中的各个三维模型进行预处理，得到所有三维模型的类别，包括姿态校正、尺度归一化以及三维模型类别判断三个步骤，所述三维模型集中每个三维模型设有类别或者描述标记；姿态校正过程调整三维模型的坐标系，将三维模型的姿态校正为直立状态；尺度归一化过程将三维模型的大小归一化为单位长度；三维模型类别判断过程根据已有三维模型集来确定不在三维模型集中未分类三维模型的所属类别；步骤二，图像视角分类器训练：得到一个用以估计图像的观察视角的分类器，包括训练集生成以及图像视角分类器训练两个步骤；训练集生成过程渲染带有贴图和纹理的三维模型，并采集各个角度的图像和视角标记；图像视角分类器训练过程使用之前生成的训练集，来训练得到一个对于一类物体图像的视角分类器；步骤三，互联网图像采集：采集互联网中相应三维模型的图片，包括互联网图像抓取、无关图像过滤以及前景物体图像提取三个步骤：互联网图像抓取过程以三维模型类别描述为关键词，通过爬虫抓取图像搜索引擎和互联网中用户上传的图像；无关图像过滤过程过滤掉与三维模型类别描述无关的图像，保留相关的图像；前景物体图像提取过程将图像中的背景去除，提取出前景物体及其包围盒，并放置于纯白色背景的新图像之中，构建相应三维模型的互联网图像集合；步骤四，视图评价：通过互联网图像对三维模型相应的视图投票，选择排序靠前的视图为最优视图，包括互联网图像视角估计以及视图排序两个步骤：互联网图像视角估计过程使用图像视角分类器对于互联网图像集合的所有图像的视角进行估测和计算；视图排序过程中，三维模型对应的互联网图像集合中每幅图像对相应的视角进行投票，按视图得到的票数降序排列，排序最靠前视图的为该三维模型的最优视图。...

【技术特征摘要】
1.一种互联网图像驱动的三维模型最优视图自动选择方法，其特征在于，包括以下步骤：步骤一，三维模型集预处理：对输入的三维模型集中的各个三维模型进行预处理，得到所有三维模型的类别，包括姿态校正、尺度归一化以及三维模型类别判断三个步骤，所述三维模型集中每个三维模型设有类别或者描述标记；姿态校正过程调整三维模型的坐标系，将三维模型的姿态校正为直立状态；尺度归一化过程将三维模型的大小归一化为单位长度；三维模型类别判断过程根据已有三维模型集来确定不在三维模型集中未分类三维模型的所属类别；步骤二，图像视角分类器训练：得到一个用以估计图像的观察视角的分类器，包括训练集生成以及图像视角分类器训练两个步骤；训练集生成过程渲染带有贴图和纹理的三维模型，并采集各个角度的图像和视角标记；图像视角分类器训练过程使用之前生成的训练集，来训练得到一个对于一类物体图像的视角分类器；步骤三，互联网图像采集：采集互联网中相应三维模型的图片，包括互联网图像抓取、无关图像过滤以及前景物体图像提取三个步骤：互联网图像抓取过程以三维模型类别描述为关键词，通过爬虫抓取图像搜索引擎和互联网中用户上传的图像；无关图像过滤过程过滤掉与三维模型类别描述无关的图像，保留相关的图像；前景物体图像提取过程将图像中的背景去除，提取出前景物体及其包围盒，并放置于纯白色背景的新图像之中，构建相应三维模型的互联网图像集合；步骤四，视图评价：通过互联网图像对三维模型相应的视图投票，选择排序靠前的视图为最优视图，包括互联网图像视角估计以及视图排序两个步骤：互联网图像视角估计过程使用图像视角分类器对于互联网图像集合的所有图像的视角进行估测和计算；视图排序过程中，三维模型对应的互联网图像集合中每幅图像对相应的视角进行投票，按视图得到的票数降序排列，排序最靠前视图的为该三维模型的最优视图；步骤一中所述姿态校正部分包括以下步骤：步骤111，计算三维模型的中心，将三维模型平移至以该三维模型的中心为原点的坐标系上；步骤112，通过主成分分析方法计算三维模型的主轴方向；步骤113，将三维模型所在坐标系的各个坐标轴方向调整为PCA方法得到的主轴方向；步骤一中所述尺度归一化部分包括以下步骤：步骤121，计算三维模型的中心以及三维模型上的各个顶点到中心的距离；步骤122，以最长的距离作为单位长度对各个顶点进行归一化；步骤一中所述三维模型类别判断部分包括以下步骤：步骤131，对每个三维模型进行特征提取，得到三维模型的特征；步骤132，利用已有三维模型集中每个三维模型的特征和类别标记作为训练集进行学习，得到三维模型类别的分类器；步骤133...

【专利技术属性】
技术研发人员：孙正兴，李晨曦，宋沫飞，王爽，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32