一种基于压缩感知的三维模型特征提取方法技术

本发明专利技术提供一种基于压缩感知的三维模型特征提取方法，首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。本发明专利技术可多角度反映三维模型的特征，实现对体素化格式的三维模型进行空间分层处理，对复杂结构的三维模型进行空间分解，不仅提高三维模型特征提取的准确性和高效性，而且提取低维高效的空间几何特征，避免特征冗余，从而保证三维模型检索的速度和质量。

A method of 3D model feature extraction based on compressed sensing

The present invention provides a method for extracting compressed sensing, three-dimensional model based on the characteristics of the first, the selection of 3D model for the 3D model of discrete element format, and then select the view range as a reference plane, and design the high transformation function, the 3D model in accordance with the high transform function space; secondly, each the spatial hierarchical model projected to the reference plane, construct the projection matrix, and extract the information entropy of the projection matrix; finally, the projection matrix is sparse, and two-dimensional compressive sensing, spatial stratification characteristics. The invention can reflect the characteristics of three-dimensional model of multi angle, three-dimensional model of voxel format space slicing, the three-dimensional model of the complex structure of space decomposition, not only improve the accuracy of extraction of 3D model feature and high efficiency, and low dimensional geometric feature extraction space efficient, to avoid redundancy, so as to ensure the speed and the quality of 3D model retrieval.

【技术实现步骤摘要】
一种基于压缩感知的三维模型特征提取方法
本专利技术涉及三维模型处理领域，更具体地说，涉及一种基于压缩感知的三维模型特征提取方法。
技术介绍
随着信息检索技术的迅速发展以及计算机性能的提高，信息处理从传统模式向新型模式转变。相对于文本信息和二维图像，更为真实丰富的三维模型的应用越来越广泛。在如今海量三维模型库中，如何实现基于三维模型重用的管理与检索，快速准确地找到符合要求的三维模型，已成为目前检索领域的一个重要的研究课题。作为继声音、图像和视频之后的第四种多媒体数据类型，基于内容的三维模型检索技术的发展备受关注。如何能既简单快速地提取内容的特征又高效准确度量模型相似性是基于内容的三维模型检索技术中的核心问题，这两个问题是被广泛研究的热点问题，也是极具挑战性的难点问题之一。目前多数基于内容的三维模型检索方法还存在一些问题：如所提取特征不能完全表达三维模型信息、计算复杂度高、特征提取和特征匹配的时间长、特征存储空间大、特征信息容易缺失、不能实现用户交互操作等。而在三维模型检索方法中，对三维模型进行特征提取是保证检索速度和质量的重要手段，因此，随着多媒体应用领域对三维模型检索速度和质量不断提高的要求，如何提高对三维模型进行特征提取的准确性和高效性，是三维模型检索领域有待更深入研究和探索的课题。
技术实现思路
本专利技术的目的在于克服现有技术中的缺点与不足，提供一种基于压缩感知的三维模型特征提取方法，该三维模型特征提取方法可多角度反映三维模型的特征，实现对体素化格式的三维模型进行空间分层处理，对复杂结构的三维模型进行空间分解，不仅提高三维模型特征提取的准确性和高效性，而且提取低维高效的空间几何特征，避免特征冗余。为了达到上述目的，本专利技术通过下述技术方案予以实现：一种基于压缩感知的三维模型特征提取方法，其特征在于：首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。在上述方案中，本专利技术通过基于压缩感知的三维模型特征提取方法可多角度反映三维模型的特征，实现对体素化格式的三维模型进行空间分层处理，对复杂结构的三维模型进行空间分解，从而提高三维模型特征提取的准确性和高效性，进而保证三维模型检索的速度和质量。本专利技术方法包括以下步骤：步骤s101：选取三维模型为离散体素化格式的三维模型，并进行三维模型体素化预处理，得到M(s×s×s)，其中s为离散体素模型分辨率；步骤s102：以xoy＝0平面作为参照地面，选定等高变换函数映射：f(x,y,z)＝z，划分分层数为L，分层步长为step＝s/L；构造L个投影矩阵projl(BS×BS),l＝1,2,...L；步骤s103：对模型中任意体素点由如下公式计算并更新投影矩阵的元素：其中l为第k个体素点vk所属层数；步骤s104：计算投影矩阵projl的信息熵FENT-Z：步骤s105：对投影矩阵projl采用DCT稀疏变换，得到稀疏信号χl：χl＝DCT(projl)；步骤s106：对稀疏信号χl采用二维压缩感知，得到压缩感知测量信号γl：其中Φ1，Φ2为测量矩阵；步骤s107：计算各分层的测量值的2范数，形成特征序列FZ：步骤s108：同理分别以yoz＝0，xoz＝0为参照地面做类似s102～s107操作，得到特征序列FX，FY；步骤s109：合并三个方向的特征序列，输出基于函数变换的空间分层压缩感知特征FHCS(HierarchicalCS)：步骤s110：合并三个方向的特征序列，输出空间分层信息熵向量FENT：FENT＝(FENT-X,FENT-Y,FENT-Z).。具体地说，所述选取参考平面为空间坐标系对应的平面yoz、平面xoz和平面xoy。所述空间分层特征包括压缩感知特征FHCS和分层熵特征FENT。在实施过程中，所选模型为离散体素化格式的三维模型，该模型类型为一种实体模型，能反映模型内部信息。另外该方案中针对三维模型特性，选取不同方位的基础设计等高变换函数，多角度反映三维模型的特征，实现对体素模型的空间分层处理，对复杂结构的三维模型进行空间分解。然后对三维模型的各个空间层依照参考地面进行投影，得到投影矩阵，该投影矩阵带有分层模型的深度特性，即模型的实体化的表现，提取投影矩阵的信息熵，得到信息熵特征序列的变化情况。对各个投影矩阵进行稀疏处理，避免信号不稀疏所带来压缩感知重构困难的问题。最后对各个稀疏信号进行二维压缩感知，提取压缩感知特征，形成低维度的特征序列，不同方位的特征序列能有效完整的表达模型。与现有技术相比，本专利技术具有如下优点与有益效果：本专利技术基于压缩感知的三维模型特征提取方法可多角度反映三维模型的特征，实现对体素化格式的三维模型进行空间分层处理，对复杂结构的三维模型进行空间分解，不仅提高三维模型特征提取的准确性和高效性，而且提取低维高效的空间几何特征，避免特征冗余，从而保证三维模型检索的速度和质量。附图说明图1是本专利技术基于压缩感知的三维模型特征提取方法的流程图；具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细的描述。实施例如图1所示，本专利技术基于压缩感知的三维模型特征提取方法是这样的：首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。该方法具体包括以下步骤：步骤s101：选取三维模型为离散体素化格式的三维模型，并进行三维模型体素化预处理，得到M(s×s×s)，其中s为离散体素模型分辨率；步骤s102：以xoy＝0平面作为参照地面，选定等高变换函数映射：f(x,y,z)＝z，划分分层数为L，分层步长为step＝s/L；构造L个投影矩阵projl(BS×BS),l＝1,2,...L；步骤s103：对模型中任意体素点由如下公式计算并更新投影矩阵的元素：其中l为第k个体素点vk所属层数；步骤s104：计算投影矩阵projl的信息熵FENT-Z：步骤s105：对投影矩阵projl采用DCT稀疏变换，得到稀疏信号χl：χl＝DCT(projl)；步骤s106：对稀疏信号χl采用二维压缩感知，得到压缩感知测量信号γl：其中Φ1，Φ2为测量矩阵；步骤s107：计算各分层的测量值的2范数，形成特征序列FZ：步骤s108：同理分别以yoz＝0，xoz＝0为参照地面做类似s102～s107操作，得到特征序列FX，FY；步骤s109：合并三个方向的特征序列，输出基于函数变换的空间分层压缩感知特征FHCS(HierarchicalCS)：步骤s110：合并三个方向的特征序列，输出空间分层信息熵向量FENT：FENT＝(FENT-X,FENT-Y,FENT-Z).。其中，本专利技术选取参考平面为空间坐标系对应的平面yoz、平面xoz和平面xoy，而空间分层特征包括压缩感知特征FHCS和分层熵特征FENT。在本文档来自技高网...

【技术保护点】
一种基于压缩感知的三维模型特征提取方法，其特征在于：首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。

【技术特征摘要】
1.一种基于压缩感知的三维模型特征提取方法，其特征在于：首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。2.根据权利要求1所述的基于压缩感知的三维模型特征提取方法，其特征在于：包括以下步骤：步骤s101：选取三维模型为离散体素化格式的三维模型，并进行三维模型体素化预处理，得到M(s×s×s)，其中s为离散体素模型分辨率；步骤s102：以xoy＝0平面作为参照地面，选定等高变换函数映射：f(x,y,z)＝z，划分分层数为L，分层步长为step＝s/L；构造L个投影矩阵projl(BS×BS),l＝1,2,...L；步骤s103：对模型中任意体素点由如下公式计算并更新投影矩阵的元素：其中l为第k个体素点vk所属层数；步骤s104：计算投影矩阵projl的信息熵FENT-Z：步骤s105：对投影矩阵pro...

【专利技术属性】
技术研发人员：周燕，曾凡智，杨跃武，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44