CN101577011B - 基于多视图的三维对象的特征选择方法及装置 - Google Patents

Abstract

本发明公开了一种三维对象的特征选择方法及装置，属于多媒体技术领域。所述方法包括：获取三维对象在每种特征下的相似类集合；选择最小相似类集合；将所述最小相似类集合对应的特征和其他特征组合，得到新的组合特征，获取所述三维对象在新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征。本发明通过获取三维对象在每种特征下的相似类集合，得到三维对象的近似最优特征，具有减少特征选择时的工作量，便于对三维对象进行标注、识别、检索等操作的效果。

Description

基于多视图的三维对象的特征选择方法及装置

技术领域

本发明涉及多媒体技术领域，特别涉及一种基于多视图的三维对象的特征选择方法及装置。

背景技术

近年来，随着基于图像的三维对象表示和渲染技术的发展，基于多视图的三维对象的标注、识别、检索等技术逐渐成为热点。在这些技术中，三维对象的视图往往用一组或几组底层视觉特征来表示，底层视觉特征主要是像素级的特征，包括颜色、纹理、形状等。这些特征在描述不同类别的对象时的重要性是不一样的，在比较两类对象时所起的作用也常常是不同的，所以需要对特征进行选择。

现有在基于多视图的三维对象的标注、识别、检索等技术中，常常是通过人工选择的方式，实现三维对象的特征选择。

在实现本发明的过程中，发明人发现现有技术存在以下缺点：

如果三维对象的特征较多，或数据库中三维对象的数目比较庞大时，通过用户进行特征选择时，工作量将变得相当繁重。

发明内容

为了减少在选择三维对象的特征时的工作量，便于对三维对象进行标注、识别、检索等操作，本发明实施例提供了一种基于多视图的三维对象的特征选择方法及装置。所述技术方案如下：

一方面，提供了一种基于多视图的三维对象的特征选择方法，预先将三维对象数据库中的三维对象人工分成若干个类别，并对每个类别进行标注；将每个三维对象置于摄像机阵列中进行拍摄，得到每个三维对象对应的二维视图集合，所述方法包括：

在提取的三维对象的每种特征下，计算所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

根据计算出的相似度，为所述三维对象的每幅视图选择最相似视图，并查找最相似视图所属的类别，得到所述三维对象在每种特征下的相似类集合；

选择最小相似类集合，得到所述最小相似类集合对应的特征；

将所述最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取所述三维对象在所述新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征。

另一方面，提供了一种基于多视图的三维对象的特征选择装置，预先将三维对象数据库中的三维对象人工分成若干个类别，并对每个类别进行标注；将每个三维对象置于摄像机阵列中进行拍摄，得到每个三维对象对应的二维视图集合，所述装置包括：

获取模块，用于分别获取三维对象在每种特征下的相似类集合；

选择模块，用于选择最小相似类集合，得到所述最小相似类集合对应的特征；

处理模块，用于将所述最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取所述三维对象在所述新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征；

所述获取模块包括：

提取单元，用于提取所述三维对象的每种特征；

计算单元，用于在提取的所述三维对象的每种特征下，计算所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

选择单元，用于根据所述计算单元计算出的相似度，为所述三维对象的每幅视图选择最相似视图；

获取单元，用于查找选择单元选择出的最相似视图所属的类别，得到所述三维对象在每种特征下的相似类集合。

本发明实施例提供的技术方案的有益效果是：

通过充分利用三维对象的不同特征，获取三维对象在每种特征下的相似类集合，从而得到能够将该三维对象区别于其他类别三维对象的近似最优特征，在避免特征冗余的同时，还减少了特征选择时的工作量，不仅便于对三维对象进行标注、识别、检索等操作，同时，本发明实施例提供的方法还可适用于规模较大的数据库。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1提供的基于多视图的三维对象的特征选择方法流程图；

图2是本发明实施例2提供的基于多视图的三维对象的特征选择方法流程图；

图3是本发明实施例3提供的基于多视图的三维对象的特征选择装置结构示意图；

图4是本发明实施例3提供的基于多视图的三维对象的特征选择装置中的获取模块结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例1

参见图1，本实施例提供了一种基于多视图的三维对象的特征选择方法，该方法具体流程如下：

101：分别获取三维对象在每种特征下的相似类集合；

102：选择最小相似类集合；

103：将所述最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取所述三维对象在所述新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征。

本实施例提供的方法，通过充分利用三维对象的不同特征，获取三维对象在每种特征下的相似类集合，从而得到能够将该三维对象区别于其他类别三维对象的近似最优特征，不仅减少了特征选择时的工作量，避免了特征冗余，便于对三维对象进行标注、识别、检索等操作，同时，还可适用于规模较大的数据库。

实施例2

本实施例提供了一种基于多视图的三维对象的特征选择方法，在进行三维对象的特征选择之前，先将三维对象数据库中的所有三维对象人工分成若干个类别，并对每个类别进行标注；其次，将每个三维对象置于摄像机阵列中进行拍摄，得到每个三维对象对应的二维视图集合，这些二维视图集合构成了基于多视图的三维对象数据库。实施本实施例提供的方法的前提是：在已经对视图集合进行了特征提取之后，如果使用了三维对象的全部特征，每个三维对象应该都可以区分于和自己不同类别的其他三维对象，如果不能达到区分的效果，则需要增加三维对象的特征或者改变三维对象的类别标注，直至满足这个前提。

为了便于说明，以对三维对象数据库中的三维对象S进行特征选择为例，先将该三维对象S置于摄像机阵列中进行拍摄，得到描述该三维对象S的二维视图集合X＝{x₁，x₂，...，x_n}，每幅视图都可被提取N种特征，参见图2，本实施例提供的方法流程如下：

201：提取三维对象S的任一特征，并计算在该任一特征下，三维对象S的每幅视图和其他类别三维对象的所有视图的相似度；

对于该步骤，三维对象的视图往往用一组或多组底层视觉特征来表示，底层视觉特征主要是像素级的特征，包括但不限于颜色、纹理、形状等。其中，每一种特征又有多种提取方式，本实施例不对特征的具体提取方式进行限定。提取三维对象S的任一特征后，得到描述三维对象S的每幅视图对应该任一特征的特征向量，根据得到的特征向量，计算在该任一特征下，三维对象S的每幅视图和其他类别三维对象的所有视图的相似度。

具体地，在计算相似度时，存在多种计算方式，本实施例不对计算相似度的具体方式进行限定，仅以采用欧氏距离作为相似度为例，例如，提取的任一特征为F_j，得到视图集中每幅视图在该特征F_j下的特征向量，计算每幅视图和数据库中其他类别三维对象的所有视图的欧氏距离，将计算得到的欧氏距离作为相似度。其中，欧氏距离用于计算两幅视图的非相似性，两幅视图的欧氏距离越小，则说明两幅视图的相似度越高。对于二维视图而言，欧氏距离的计算即为两幅视图变量值的平方和再平方根。

202：根据计算出的相似度，为三维对象S的每幅视图选择最相似视图，并查找最相似视图所属的类别，得到三维对象S在该任一特征下的相似类集合；

其中，由于两幅视图的欧氏距离越小，说明两幅视图越相似，因此，针对该步骤，根据已经计算出的相似度，即可为每幅视图选出最相似视图。

203：重复步骤201和202，得到三维对象S在所有特征下的相似类集合；

具体地，三维对象S在每个特征下，均可得到一个对应的相似类集合，因此，三维对象S有多少特征，即可得到对应的多少个相似类集合。

204：选出三维对象S的最小相似类集合，得到该最小相似类集合对应的特征；

具体地，因选取最小相似类集合，是为了实现将三维对象S区分于三维对象数据库中的其他类别的三维对象，因此，对于该步骤，如果存在两个或多个相等的最小相似类集合，则可以按照随机选取的原则，选出三维对象S的最小相似类集合，本实施例不对最小相似类集合的选取原则进行具体限定。

205：将最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并计算三维对象S在该新的组合特征下的相似类集合，如果出现在某新的组合特征下的相似类集合为空集，则该新的组合特征即为三维对象S的近似最优特征，该新的组合特征对应的原特征即可构成三维对象S的近似最优特征集合。

具体地，以三维对象数据库中有5个类别，记为C＝{C₁，C₂，L，C₅}为例，设三维对象S所属类别为C₁，三维对象S的最小相似类集合对应的特征为F_j，该特征F_j与另一特征F_k组合之后得到新的组合特征。

如果设特征F_j对应的最小相似类集合为C_s＝{C_s2}，其中，C_s2对应C₂；特征F_k对应的最小相似类集合为C_s＝{C_s2，C_s3}，其中，C_s3对应C₃，则特征F_j与F_k组合之后的新的组合特征对应的相似类集合为C_s＝{C_s2}，该集合为非空集，说明特征F_j与F_k组合之后的新的组合特征并不是最优近似特征；

如果设特征F_j对应的最小相似类集合为C_s＝{C_s2}，其中，C_s2对应C₂；特征F_k对应的最小相似类集合为C_s＝{C_s3}，其中，C_s3对应C₃，则特征F_j与F_k组合之后的新的组合特征对应的相似类集合为空集，说明特征F_j与F_k组合之后的新的组合特征是最优近似特征。

对组合特征求相似类集合，即是将组合特征对应的每种特征的相似类集合相与。

综上，通过步骤201至步骤205，即可得到三维对象S的近似最优特征，有了近似最优特征，即可将三维对象S区分于其他类别的三维对象。同理，利用同样的方法，还可以求得三维对象数据库中的其他三维对象的近似最优特征，从而得到三维对象数据库中的所有三维对象的近似最优特征。近似最优特征是描述三维对象的最好特征，它能将每个三维对象区分开，代表了三维对象的特征属性。实验证明，通过本实施例提供的方法得到的近似最优特征集合不仅精简，且集合的大小与特征维数有关，在特征维数较高(如100至256维)，特征较多(如20个左右)时，使用包含5至7个特征的近似最优特征集合即可将三维对象和其他类别的三维对象区别开。

下面，以三维对象数据库中有M个类别，记为C＝{C₁，C₂，L，C_M}为例，对本实施例提供的方法进行举例说明：

对于三维对象S的二维视图集合X＝{x₁，x₂，...，x_n}，提取特征F_j，得到二维视图集中每幅视图的特征向量，计算每幅视图和其他类别三维对象的所有视图的欧氏距离，选取欧氏距离最小的视图作为最相似视图，并得到最相似视图的类别，将三维对象S在底层视觉特征F_j下的相似类集合记为在底层视觉特征F_j下，三维对象S区分其他类别三维对象的区分向量为：

A_j＝{a₁，a₂，...，a_M}，其中， $a_i=\left\{\begin{array}{cc}1,& C_i\∈C_s\\ 0,& C_i\∉C_s\end{array}\right..$

其中，区分向量A_j即代表了三维对象S在特征F_j下的相似类集合，而区分向量中的1对应最相似视图所属类别，同理，求得三维对象S在所有特征下的特征区分向量集合为：

{A₁，A₂，...，A_N}，其中，A₁&A₂&...&A_N＝0。

该三维对象S在所有特征下求得的特征区分向量代表了该三维对象S和其他类别的可区分性(满足实施本实施例提供的方法的前提)。

接下来，通过贪心算法计算三维对象S的近似最优特征，具体算法如下：

1)求出区分向量集合A＝{A₁，A₂，...，A_N}中含1个数最少的区分向量作为第一个备选向量(即最小相似类集合)，以A_p作为含1个数最少的区分向量为例。

2)对区分向量集合A中的所有区分向量，将每个区分向量与第一个备选向量相与，将结果做为更新的备选区分向量，得到更新的区分向量集合，记为A^*(即新的组合特征对应的相似类集合)，如果在A^*中出现为全0的区分向量，则为全0的区分向量对应的组合特征即为三维对象S的近似最优特征，该组合特征的原特征为三维对象S的近似最优特征集合，否则，使用A^*转步骤1)。

4)得到所有三维对象的近似最优特征集合。

综上所述，本实施例提供的方法，通过充分利用三维对象的不同特征，获取三维对象在每种特征下的相似类集合，不仅可以得到精简的三维对象的近似最优特征，避免了特征冗余，适用于规模较大的数据库，还减少了特征选择时的工作量，便于对三维对象进行标注、识别、检索等操作。

实施例3

参见图3，本实施例提供了一种基于多视图的三维对象的特征选择装置，所述装置包括：

获取模块301，用于分别获取三维对象在每种特征下的相似类集合；

选择模块302，用于选择最小相似类集合；

处理模块303，用于将最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取三维对象在新的组合特征下的相似类集合，直至得到为空集的相似类集合，将为空集的相似类集合对应的新的组合特征作为三维对象的近似最优特征。

进一步地，参见图4，上述获取模块301，包括：

提取单元301a，用于提取三维对象的每种特征；

计算单元301b，用于在提取的三维对象的每种特征下，计算三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

选择单元301c，用于根据计算单元301b计算出的相似度，为三维对象的每幅视图选择最相似视图；

获取单元301d，用于查找选择单元301c选择出的最相似视图所属的类别，得到三维对象在每种特征下的相似类集合。

其中，计算单元301b，具体用于在提取的三维对象的每种特征下，获取三维对象的每幅视图的特征向量；根据特征向量，计算三维对象的每幅视图与其他类别三维对象的所有视图的欧氏距离，将计算出的欧氏距离作为三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

相应地，选择单元301c，具体用于为三维对象的每幅视图，选择与其欧氏距离最小的视图作为最相似视图。

其中，由于两幅视图的欧氏距离越小，说明两幅视图越相似，因此，根据已经计算出的相似度，即可为每幅视图选出最相似视图。

进一步地，选择模块302在选择最小相似类集合时，如果存在多个相等的最小相似类集合，则随机选择一个最小相似类集合。

因选取最小相似类集合，是为了实现将三维对象S区分于三维对象数据库中的其他类别的三维对象，因此，对于选择模块302，如果存在两个或多个相等的最小相似类集合，则可以按照随机选取的原则，选出三维对象S的最小相似类集合，本实施例不对选择模块302在选择最小相似类集合时的选取原则进行具体限定。

综上所述，本实施例提供的装置，通过充分利用三维对象的不同特征，获取三维对象在每种特征下的相似类集合，不仅可以得到精简的三维对象的近似最优特征，避免了特征冗余，适用于规模较大的数据库，还减少了特征选择时的工作量，便于对三维对象进行标注、识别、检索等操作。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于多视图的三维对象的特征选择方法，其特征在于，预先将三维对象数据库中的三维对象人工分成若干个类别，并对每个类别进行标注；将每个三维对象置于摄像机阵列中进行拍摄，得到每个三维对象对应的二维视图集合，所述方法包括：

在提取的三维对象的每种特征下，计算所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

根据计算出的相似度，为所述三维对象的每幅视图选择最相似视图，并查找最相似视图所属的类别，得到所述三维对象在每种特征下的相似类集合；

选择最小相似类集合，得到所述最小相似类集合对应的特征；

将所述最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取所述三维对象在所述新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征。

2.根据权利要求1所述的方法，其特征在于，所述在提取的所述三维对象的每种特征下，计算所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度，具体包括：

在提取的所述三维对象的每种特征下，获取所述三维对象的每幅视图的特征向量；

根据所述特征向量，计算所述三维对象的每幅视图与其他类别三维对象的所有视图的欧氏距离，将计算出的欧氏距离作为所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

相应地，所述根据计算出的相似度，为所述三维对象的每幅视图选择最相似视图，具体包括：

为所述三维对象的每幅视图，选择与其欧氏距离最小的视图作为最相似视图。

3.根据权利要求1所述的方法，其特征在于，所述选择最小相似类集合时，如果存在多个相等的最小相似类集合，则随机选择一个最小相似类集合。

4.一种基于多视图的三维对象的特征选择装置，其特征在于，预先将三维对象数据库中的三维对象人工分成若干个类别，并对每个类别进行标注；将每个三维对象置于摄像机阵列中进行拍摄，得到每个三维对象对应的二维视图集合，所述装置包括：

获取模块，用于分别获取三维对象在每种特征下的相似类集合；

选择模块，用于选择最小相似类集合，得到所述最小相似类集合对应的特征；

处理模块，用于将所述最小相似类集合对应的特征分别和其他特征组合，得到新的组合特征，并获取所述三维对象在所述新的组合特征下的相似类集合，直至得到为空集的相似类集合，将所述为空集的相似类集合对应的新的组合特征作为所述三维对象的近似最优特征；

所述获取模块包括：

提取单元，用于提取所述三维对象的每种特征；

计算单元，用于在提取的所述三维对象的每种特征下，计算所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

选择单元，用于根据所述计算单元计算出的相似度，为所述三维对象的每幅视图选择最相似视图；

获取单元，用于查找选择单元选择出的最相似视图所属的类别，得到所述三维对象在每种特征下的相似类集合。

5.根据权利要求4所述的装置，其特征在于，所述计算单元，具体用于在提取的所述三维对象的每种特征下，获取所述三维对象的每幅视图的特征向量；根据所述特征向量，计算所述三维对象的每幅视图与其他类别三维对象的所有视图的欧氏距离，将计算出的欧氏距离作为所述三维对象的每幅视图和其他类别三维对象的所有视图的相似度；

相应地，所述选择单元，具体用于为所述三维对象的每幅视图，选择与其欧氏距离最小的视图作为最相似视图。

6.根据权利要求4所述的装置，其特征在于，所述选择模块在选择最小相似类集合时，如果存在多个相等的最小相似类集合，则随机选择一个最小相似类集合。

Images