基于視圖的三維模型特征提取研究綜述

劉鈺鵬 侯宇昆

【摘 要】 介紹了基于視圖的三維模型特征提取的主要研究內(nèi)容， 通過對模型預(yù)處理、視圖獲取兩方面來研究基于視圖三維模型特征提取的研究現(xiàn)狀。

【關(guān)鍵詞】 三維模型 視圖 特征提取

一、引言

隨著三維掃描技術(shù)和計(jì)算機(jī)圖形學(xué)廣泛應(yīng)用于工業(yè)，機(jī)械，醫(yī)學(xué)等領(lǐng)域，三維模型成為一種新多媒體數(shù)據(jù)類型，面對龐大的三維模型數(shù)據(jù)庫， 幫助用戶快速準(zhǔn)確地獲取所需三維模型，實(shí)現(xiàn)資源重用成為了計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)界的一個研究熱點(diǎn)。如何合理地描述三維模型即特征提取成為三維模型檢索首先要解決的難點(diǎn)問題。同時(shí)絕大多數(shù)三維模型檢索的研究都是針對通用模型進(jìn)行的. 這也使得對三維模型特征提取的研究更加復(fù)雜?，F(xiàn)有的三維模型檢索技術(shù)可以分為基于統(tǒng)計(jì)特征、基于拓?fù)浣Y(jié)構(gòu)、基于幾何結(jié)構(gòu)分析和基于視圖四大類。

基于統(tǒng)計(jì)特征的方法通過對三維模型的某一特征信息進(jìn)行統(tǒng)計(jì)，獲得統(tǒng)計(jì)直方圖后將其量化而得到三維模型特征向量，但是大多數(shù)統(tǒng)計(jì)特征帶有隨機(jī)性， 檢索性能不穩(wěn)定?；谕?fù)浜徒Y(jié)構(gòu)分析得到的特征在檢索系統(tǒng)中檢索響應(yīng)時(shí)間較長?；谝晥D將三維模型投影成多個不同視角的二維圖像，再對二維投影進(jìn)行特征的提取用以描述三維模型。這種方法將復(fù)雜的三維問題轉(zhuǎn)化為較為成熟的二維圖像處理問題，降低了計(jì)算的復(fù)雜度，符合人的視覺特征，檢索性能較好?；谝晥D的三維模型特征提取一般為三個步驟模型預(yù)處理，視圖獲取，描述符提取。

二、模型預(yù)處理

對于任意三維模型，其初始空間位置、尺寸及方向具有很大的隨機(jī)性，為了對三維模型在相同尺度、相同規(guī)則下進(jìn)行比較檢索，首先對其進(jìn)行位置和尺寸標(biāo)準(zhǔn)化預(yù)處理。一般分為三個部分平移歸一化，旋轉(zhuǎn)歸一化，尺度歸一化。 完整的模型歸一化過程表述為如下的幾何變換。

S*R*（I-C） （2-1）

式中： s 為縮放系數(shù)；R 為對應(yīng)于PCA變換的旋轉(zhuǎn)矩陣；I 為原始模型坐標(biāo)；C為坐標(biāo)原點(diǎn)。

2.1平移歸一化

平移歸一化的目的是為了在模型上找到一個點(diǎn)作為新坐標(biāo)系的原點(diǎn)，重新計(jì)算模型在新坐標(biāo)系中的頂點(diǎn)坐標(biāo)實(shí)際應(yīng)用中的三維模型往往不是密度均勻分布的模型，文獻(xiàn)[1]采用面積加權(quán)法來提高重心平移的魯棒性，也就是將每個點(diǎn)的表面積作為該頂點(diǎn)的權(quán)重。

2.2旋轉(zhuǎn)歸一化

旋轉(zhuǎn)歸一化的目的是為了保證模型具有一個統(tǒng)一的姿態(tài)方向，使得提取的特征具有旋轉(zhuǎn)不變性，文獻(xiàn)[2]對旋轉(zhuǎn)歸一化改進(jìn)利用蒙特卡羅法在三維模型表面均勻采點(diǎn)，以此代替原來頂點(diǎn)。該方法的特點(diǎn)是能快速地按照等面積原則，在三維模型表面采樣大量的三維點(diǎn)數(shù)據(jù)。

2.3 尺度歸一化

為了統(tǒng)一三維模型的尺度，保證拉伸不變性，需要計(jì)算縮放因子。文獻(xiàn)[1]采用的方法是找到模型中距離質(zhì)心最遠(yuǎn)的頂點(diǎn)，取值為這個最大距離的倒數(shù)，然后按照這個系數(shù)進(jìn)行縮放。

三、視圖獲取

模型預(yù)處理完成后需要進(jìn)行視圖提取，按照提取的視圖是否進(jìn)行二次選擇可分為：最優(yōu)視圖提取和多視圖提取.

3.1多視圖提取

多視圖提取一般將模型放在球體或正方體盒內(nèi)，在不同角度攝取二維深度圖像，Min[3]等人提出使用三維模型的二維輪廓圖描述比較模型之間的相似性。該方法從模型的正視、側(cè)視及俯視三個固定方向獲得二維投影視圖，然后對每副視圖進(jìn)行輪廓特征提取。該方法由于只選擇了三個固定方向上獲取視圖。不能夠完全表達(dá)模型Chen[4]等提出一種基于光場（LightFiel Descriptor， LFD）的特征算法。首先，在正十二面體的10個頂點(diǎn)處捕獲二維圖像，由于正十二面體是對稱的所以只取20個頂點(diǎn)中的10個。每個頂點(diǎn)處設(shè)定10中不同的光場，這樣對于各個三維模型可以采100張圖像。對于每張圖像提取Zemike矩特征（取35個系數(shù)）和傅里葉變換特征（取10個系數(shù)），最后用4500維的特征向量來表示一個三維模型，龐大的特征向量帶來計(jì)算的困難。Shih[5]等提出了一種基于正視圖的特征提取算法，提取六個正視圖來表示三維模型，所有正視圖都是二維灰度圖形，用最小正方體盒包圍三維模型分別從前部，上部，右部，后部，下部和左部6個角度投影獲得正視圖，將每個圖形分解為L個同心正方形提取出圖形描述符。

3.2最優(yōu)視圖提取

由于產(chǎn)生的多視圖來描述模型在檢索模型時(shí)計(jì)算時(shí)間長，且有些視圖是冗余的。有些研究者會將多視圖進(jìn)行最優(yōu)選擇出一組或一個最優(yōu)視圖。Cyr[6]等人提出基于形狀相似性的代表性視圖（Aspect Graph）方法。該方法首先對三維模型從不同視點(diǎn)得到大量視圖，然后用一組代表性視圖描述三維模型。代表性視圖通過對視圖集聚類分析，選擇那些彼此之間存在明顯差異的視圖而得到。

劉志等采用AdaBoost算法對輸入三維模型形狀特征進(jìn)行相似性學(xué)習(xí)得到該模型的最優(yōu)視圖樣例，然后將輸入模型從不同視點(diǎn)得到的渲染視圖和最優(yōu)視圖樣例進(jìn)行形狀相似性分析，以相似度最高者作為輸入模型的最優(yōu)視圖.得到的最優(yōu)視圖不僅可以有效地逼近用戶選擇結(jié)果而且具有較好的穩(wěn)定性。

四、總結(jié)

由于三維模型及其組成的三維場景能提供比二維圖像更多、更豐富的視覺感知細(xì)節(jié)。所以三維模型的檢索與復(fù)用近年來成為計(jì)算機(jī)圖形學(xué)領(lǐng)域內(nèi)的一個重要研究課題。但三維模型比二維圖像特征提取更為復(fù)雜，現(xiàn)在二維圖像處理技術(shù)非常成熟所以將三維模型表達(dá)成視圖在進(jìn)行處理，得到很好的模型描述符在檢索三維模型時(shí)節(jié)省時(shí)間。

參 考 文 獻(xiàn)

[1]基于視圖的三維模型檢索技術(shù)研究 馮毅攀 浙江工業(yè)大學(xué)碩士學(xué)位論文 2011.10.20

[2]三維模型特征提取與檢索 柳 偉 申請上海交通大學(xué)博士學(xué)位論文 2008.1

[3] P. Min， J. Chen， T. Funkhouser. A 2D sketch interface for a 3D model search engine[A]. Proc of 2002 annual conference on Computer Graphics Proceedings[C]. San Autonio： ACM， 2002， 138.

[4]D.Y. Chen， X.P. Tian， Y.T. Shen. et al. On visual similarity based on 3D model retrieval[J]. Computer Graphics Forum. 2003， 22（3）： 223-232

[5] C.M. Cyr， B.B. Kimia. 3D object recognition using shape similarity-based aspect graph[A]. Proc of the 8th International Conference of Computer Vision[C]. Vancouver： ICCV， 2001， 254-261.

[6]Shih Jau Ling，Less Chang Hsing，Wang Jian Tang.A new 3D model retrieval approach based on the elevation descriptor[J].Pattem Recognition2007，5（2）283-295.

[7]劉志，馮毅攀，潘翔徐，徐彩虹?；谙嗨菩詫W(xué)習(xí)的三維模型最優(yōu)視圖選擇算法 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)