一种基于压缩感知的三维模型特征提取方法.pdf

本发明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。

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proj_l(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：

${\mathrm{proj}}_l(v_x^k,v_y^k)={\mathrm{proj}}_l(v_x^k,v_y^k)+1$
其中l为第k个体素点v^k所属层数；
步骤s104：计算投影矩阵proj_l的信息熵F_ENT-Z：
$F_{ENT-Z}^l=-\underset{i=1}{\overset{s}{\Σ}}\underset{j=1}{\overset{s}{\Σ}}{\mathrm{proj}}_l(i,j){\mathrm{logproj}}_l(i,j);$
步骤s105：对投影矩阵proj_l采用DCT稀疏变换，得到稀疏信号χ_l：
χ_l＝DCT(proj_l)；
步骤s106：对稀疏信号χ_l采用二维压缩感知，得到压缩感知测量信号γ_l：
${\mathrm{\γ}}_l={\mathrm{\Φ}}_1\×\mathrm{DCT}\left({\mathrm{proj}}_l\right)\×{\mathrm{\Φ}}_2^T$
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F_Z：
$F_Z={\left(\right|\left|{\mathrm{\γ}}_1\right|{|}_2^2,\left|\right|{\mathrm{\γ}}_2|{|}_2^2,...,|\left|{\mathrm{\γ}}_L\right|{|}_2^2)}^T;$
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F_X，F_Y；
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F_HCS
(Hierarchical CS)：
$F_{HCS}={(F_X^T,F_Y^T,F_Z^T)}^T;$
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F_ENT：
F_ENT＝(F_ENT-X,F_ENT-Y,F_ENT-Z).。
3.根据权利要求2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：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。
4.根据权利要求2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：所述空
间分层特征包括压缩感知特征F_HCS和分层熵特征F_ENT。

一种基于压缩感知的三维模型特征提取方法

技术领域

本发明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。

背景技术

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。

发明内容

本发明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，本发明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，本发明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。

本发明方法包括以下步骤：

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proj_l(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v^k所属层数；

步骤s104：计算投影矩阵proj_l的信息熵F_ENT-Z：

步骤s105：对投影矩阵proj_l采用DCT稀疏变换，得到稀疏信号χ_l：

χ_l＝DCT(proj_l)；

步骤s106：对稀疏信号χ_l采用二维压缩感知，得到压缩感知测量信号γ_l：

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F_Z：

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F_X，F_Y；

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F_HCS(Hierarchical CS)：

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F_ENT：

F_ENT＝(F_ENT-X,F_ENT-Y,F_ENT-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F_HCS和分层熵特征F_ENT。

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，本发明具有如下优点与有益效果：本发明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是本发明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发明作进一步详细的描述。

实施例

如图1所示，本发明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proj_l(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v^k所属层数；

步骤s104：计算投影矩阵proj_l的信息熵F_ENT-Z：

步骤s105：对投影矩阵proj_l采用DCT稀疏变换，得到稀疏信号χ_l：

χ_l＝DCT(proj_l)；

步骤s106：对稀疏信号χ_l采用二维压缩感知，得到压缩感知测量信号γ_l：

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F_Z：

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F_X，F_Y；

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F_HCS(Hierarchical CS)：

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F_ENT：

F_ENT＝(F_ENT-X,F_ENT-Y,F_ENT-Z).。

其中，本发明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F_HCS和分层熵特征F_ENT。

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。

本发明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。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的
限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，
均应为等效的置换方式，都包含在本发明的保护范围之内。