一種基於草繪圖的三維模型檢索方法
2023-06-07 04:47:31
一種基於草繪圖的三維模型檢索方法
【專利摘要】本發明公開一種基於草繪圖的三維模型檢索方法。該方法提出了一種新的草繪圖像結構化特徵，並將其運用在三維模型檢索中，提高了基於草繪圖三維模型檢索的效果。該方法首先對資料庫中的三維模型提取視角輪廓圖，然後對視角輪廓圖提取KRD特徵並將其存入資料庫中。在對用戶輸入的草繪圖提取草繪圖KRD特徵後，再通過EMD特徵匹配的方法找到資料庫中與草繪圖相似的視角輪廓圖，進而確定出視角輪廓圖對應的三維模型。該方法充分挖掘了草繪圖像在結構方面的特點，具有良好的魯棒性和準確性，同時它的計算量不大，完全可以滿足實際應用的需求。
【專利說明】一種基於草繪圖的三維模型檢索方法
【技術領域】
[0001]本發明屬於計算機信息檢索領域，尤其涉及了一種基於草繪圖的三維模型檢索方法。該方法提出了一種新的草繪圖像特徵提取方法，該特徵是對草繪圖結構特徵的挖掘，是草繪圖像結構化特徵的初步探索，具有一定的創新性。
【背景技術】
[0002]在過去的幾年裡，隨著計算機硬體和圖形學的發展，3D技術越來越多的出現在眾多領域，而其中三維模型更是在電影、遊戲、動漫等領域得到廣泛應用。如今，人們可以在電影中看到逼真宏偉的三維場景，比如著名的3D電影巨作《阿凡達》裡面的三維場景以及場景中的角色和景物令人驚嘆。在遊戲領域，《實況足球》、《魔獸世界》等等都運用了大量的三維模型。
[0003]目前，已經有許多三維模型檢索的技術。這些技術可大體分為基於關鍵字的檢索和基於內容的檢索。關鍵字檢索是通過匹配用戶輸入的關鍵字和資料庫中三維模型的標籤來返回目標三維模型。這種技術的缺陷是需要給資料庫中的每一個三維模型手工輸入語義標籤，而且語義標籤遠遠滿足不了設計師在查找目標三維模型時的需求。
[0004]基於內容的三維模型檢索技術是目前在三維場景搭建中廣泛應用的技術。其中又可以分為基於現有模型的檢索和基於圖像的檢索。基於現有模型的檢索需要用戶提供一個已有的三維模型，然後通過提取三維模型的特徵與資料庫中的三維模型進行匹配，返回最相近的三維模型。雖然這種技術理論上可以達到很好的檢索效果，但是用戶必須在檢索之前提供三維模型的條件限制了這種技術的實用性。即用戶在搭建三維場景時需要快速查找到目標三維模型，而這種技術方案卻要求用戶提供一個現有的三維模型。
[0005]基於圖像的三維模型檢索的圖像主要是指用戶輸入的二值草繪圖，用戶只需要輸入一張描述三維模型的二維圖像。這裡的二維圖像通常是用戶輸入的草繪圖，現有的基於草繪圖的三維模型檢索技術雖然充分挖掘了草繪圖像的形狀和紋理特徵，但是卻忽略了草繪圖像的結構特徵，而結構特徵能充分表達草繪圖像。
【發明內容】
[0006]本發明的目的是針對現有技術的不足，提供一種基於草繪圖的三維模型檢索方法，該方法充分挖掘了草繪圖的關鍵結構分布特徵，並且效果良好。
[0007]解決其技術問題所採用的技術方案包括如下:本發明包括離線預處理階段和在線處理階段。
[0008]所述的離線預處理階段的具體步驟如下:
[0009]步驟1.使用Direct3D對資料庫中的每個三維模型進行渲染，對渲染後的三維模型選擇多個視角方向進行投影；渲染後的三維模型經過每個視角方向的投影產生一張輪廓圖，從而產生若干張輪廓圖，每張輪廓圖命名為視角輪廓圖；
[0010]步驟2.為每張視角輪廓圖提取出關鍵結構分布特徵KRD:[0011]首先，利用最小二乘的方法對視角輪廓圖做矢量化處理，把視角輪廓圖轉換為矢量輪廓圖；所述的矢量輪廓圖為由若干條線段組成的圖形；然後根據矢量輪廓圖中相鄰兩條線段的夾角大小找出矢量輪廓圖中的關鍵結構，並記錄下每一個關鍵結構在矢量輪廓圖的位置；最後將關鍵結構在極坐標系下的空間分布直方圖作為多視角輪廓圖的特徵KRD。
[0012]上述步驟2中所述的矢量輪廓圖的關鍵結構的定義為:關鍵結構由矢量輪廓圖中相鄰兩條線段組成，其中這兩條線段的夾角大於30度。
[0013]上述步驟2中對圖像進行矢量化處理的過程如下:
[0014](1)設集合S = {vl, v2,..., vn}表示圖像黑色像素點集合，集合T ={L0, LI, L2,..., Lnj表示已經擬合的直線集合，v表示圖像中的黑色像素點，L表示由集合S中的若干像素點組成的一條直線。
[0015](2)若集合S不為空，那麼在集合S中隨機選定一個像素點V』，並將把像素點V』從集合S中去掉；同時以像素點V』為基準點，在它的八聯通鄰居像素點中挑選一個屬於集合S的像素點v0，以像素點V』與像素點v0兩點連接形成的直線L』作為初始直線，設L』的方程為ax+by+c = O ;若集合S為空則算法終止。
[0016](3)遍歷集合S中的每一個像素點，找出到直線L』的距離最小的像素點vk，若像素點Vk到直線L』的距離小於閾值，那麼將Vk加入直線L』上的像素點集合中，並利用最小二乘法重新計算L』的方程，重複第(3)步；若像素點Vk到L』的距離大於閾值，將L』加入集合T中並跳至第(2)步。
[0017]步驟3.把步驟2提取出的視角輪廓圖特徵KRD存入資料庫中，形成特徵庫。
[0018]所述的在線處理階段的步驟如下:
[0019]步驟4.用戶在系統畫圖板上輸入一幅草繪圖；
[0020]步驟5.提取步驟4草繪圖像KRD特徵f，該特徵提取方法與步驟2方法相同；
[0021]步驟6.利用EMD算法計算草繪圖像KRD特徵f與步驟3中生成的特徵庫中的每一個視角輪廓圖特徵KRD之間的距離，並利用堆排序返回前η個距離較小的草繪圖像KRD特徵f。
[0022]EMD算法計算草繪圖像KRD特徵f與步驟3中生成的特徵庫中的每一個視角輪廓圖特徵KRD之間的距離公式，如下:
【權利要求】
1.一種基於草繪圖的三維模型檢索方法，其特徵在於該方法包括離線預處理階段和在線處理階段； 所述的離線預處理階段的具體步驟如下: 步驟1.使用Direct3D對資料庫中的每個三維模型進行渲染，對渲染後的三維模型選擇多個視角方向進行投影；渲染後的三維模型經過每個視角方向的投影產生一張輪廓圖，從而產生若干張輪廓圖，每張輪廓圖命名為視角輪廓圖； 步驟2.為每張視角輪廓圖提取出關鍵結構分布特徵KRD: 首先，利用最小二乘的方法對視角輪廓圖做矢量化處理，把視角輪廓圖轉換為矢量輪廓圖；所述的矢量輪廓圖為由若干條線段組成的圖形；然後根據矢量輪廓圖中相鄰兩條線段的夾角大小找出矢量輪廓圖中的關鍵結構，並記錄下每一個關鍵結構在矢量輪廓圖的位置；最後將關鍵結構在極坐標系下的空間分布直方圖作為多視角輪廓圖的特徵KRD ； 上述步驟2中所述的矢量輪廓圖的關鍵結構的定義為:關鍵結構由矢量輪廓圖中相鄰兩條線段組成，其中這兩條線段的夾角大於30度； 上述步驟2中對圖像進行矢量化處理的過程如下: (1)設集合S={vl, v2,..., vn}表示圖像黑色像素點集合,集合T = {L0, LI, L2,...,Lnj表示已經擬合的直線集合，V表示圖像中的黑色像素點，L表示由集合S中的若干像素點組成的一條直線； (2)若集合S不為空 ，那麼在集合S中隨機選定一個像素點V』，並將把像素點V』從集合S中去掉；同時以像素點V』為基準點，在它的八聯通鄰居像素點中挑選一個屬於集合S的點v0，以像素點V』與像素點v0兩點連接形成的直線L』作為初始直線，設L』的方程為ax+by+c = O ;若集合S為空則算法終止； (3)遍歷集合S中的每一個像素點，找出到直線L』距離最小的像素點vk，若像素點Vk到直線L』的距離小於閾值，那麼將Vk加入直線L』上的像素點集合中，並利用最小二乘法重新計算L』的方程，重複第(3)步；若像素點Vk到L』的距離大於閾值，將L』加入集合T中並跳至第(2)步； 步驟3.把步驟2提取出的視角輪廓圖特徵KRD存入資料庫中，形成特徵庫； 所述的在線處理階段的步驟如下: 步驟4.用戶在系統畫圖板上輸入一幅草繪圖； 步驟5.提取步驟4草繪圖像KRD特徵f，該特徵提取方法與步驟2方法相同； 步驟6.利用EMD算法計算草繪圖像KRD特徵f與步驟3中生成的特徵庫中的每一個視角輪廓圖特徵KRD之間的距離，並利用堆排序返回前η個距離較小的草繪圖像KRD特徵f ; EMD算法計算草繪圖像KRD特徵f與步驟3中生成的特徵庫中的每一個視角輪廓圖特徵KRD之間的距離公式，如下:
【文檔編號】G06T7/00GK103902657SQ201410074654
【公開日】2014年7月2日 申請日期:2014年3月3日 優先權日:2014年3月3日
【發明者】肖俊, 宋榮 申請人:浙江大學