CN102073738A - 基于智能检索视图选择的三维对象检索方法和装置 - Google Patents

Abstract

本发明提出一种基于智能检索视图选择的三维对象检索方法和装置，其中，该方法包括以下步骤：对三维对象的视图进行聚类，并从聚类的结果中挑选备选检索视图；从备选检索视图中选取初始检索视图，以用于检索所述三维对象并得到检索结果；判断检索结果是否达到预定标准；如果检索结果未达到预定标准，则从剩余备选检索视图中选取检索视图，以用于检索三维对象并得到所述检索结果；和检索三维对象直至所述检索结果达到所述预定标准，得到最终检索结果。通过本发明提出的方法和装置，能够通过选择不同的检索视图检索三维对象，不但节省了检索过程所带来的计算量，而且保证了检索结果的正确性。另外，本发明易于实现，操作简单。

Description

基于智能检索视图选择的三维对象检索方法和装置

技术领域

本发明涉及三维对象分析领域，特别涉及一种基于智能检索视图选择的三维对象检索方法和装置。

背景技术

随着三维对象在计算机辅助制造、虚拟现实、医学及娱乐等多种领域的应用日益广泛，快速有效的三维对象检索方法变得越发的重要。图片获取技术的进步促进了基于视图的三维对象分析方法的快速发展。随着照相机技术的快速发展，更多的方法关注与基于多视图的三维对象分析。这种基于多视图的方法通过一组多视图来描述三维对象的信息，进而完成三维立体对象的检索等进一步的工作。

2003年在欧洲图形学会议上提出的方法中(D.Y.Chen，X.P.Tian，Y.T.Shen，andM.Ouhyoung.On visual similarity based 3d model retrieval.Computer Graphics Forum)提出了光场描述符(Lighting Filed Descriptor)，通过正十面体的照相机阵列进行数据采集，获得多组视图来描述原始三维对象。这些视图从不同的角度来描述三维对象的空间结构信息。进一步，该方法针对这样的多视图阵列进行匹配来三维立体对象之间的匹配。这里二值的视图的Zernike矩和傅里叶描述符特征被用来作为视图的特征。这种方法采用了全部的视图进行比较。2007在国际电子电气工程师协会多媒体汇刊上(T.F.Ansary，M.Daoudi，and J.P.Vandeborre，“A bayesian 3-d search engine using adaptiveviews clustering，”IEEE Transactions on Multimedia，vol.9，no.1，pp.78-88，2007.)提出一种基于贝叶斯分析的三维立体对象检索方法，其中视图获取也是使用固定的320照相机阵列。该方法首先获得320张原始图片，这里针对原始视图，49维的Zernike矩被选用图像特征。该方法首先从原始视图中进行代表性视图选择。通过对视图之间的整体相似度的计算，进行K均值迭代聚类，其中每一步都尝试将已有的分类结果进行重新聚类，其中K选取为2。这里，贝叶斯信息准备被用来判定聚类的效果及停止条件。在接下来的处理中，只有代表性的视图才应用到具体的检索分析中。通过对视图之间的贝叶斯概率分析来获得整体三维对象之间的相关程度，从而完成三维立体对象的基于视图的检索工作。

已有的研究方法通常通过应用全部的检索视图进行三维对象的分析，其中少部分方法首先选取特征视图，并应用这些全部特征视图进行三维对象的分析。这类方法虽然能用使用全部的检索信息，但是也存在一些缺点。第一，应用全部的(特征)检索视图会带来较大的计算量，由于一个对象的视图可能会较多，获得的特征视图也会较多，因此在检索工作中会产生较大的运算量。第二，并不是所有的(特征)检索视图都对三维对象有较好的鉴别性。因此，某些(特征)检索视图可能会对整体的检索结果产生一定的错误的影响。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一。

为此，本发明的目的在于提出一种三维对象检索过程计算量小，检索结果准确的基于智能检索视图选择的三维对象检索方法。

本发明的另一目的在于提出一种基于智能检索视图选择的三维对象检索装置。

为达到上述目的，本发明一方面的实施例提出一种基于智能检索视图选择的三维对象检索方法，包括以下步骤：A.对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图；B.从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果；C.判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；D.继续判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；以及E.循环执行步骤D直至所述检索结果达到预定标准，得到最终检索结果。

在本发明的实施例中，所述步骤A进一步包括：以Zernike Moments为图像特征对所述视图进行特征提取以得到特征提取结果；根据所述特征提取结果应用欧式距离计算任意两个视图之间的距离，直至所述所有视图之间的距离计算完毕，得到所述视图之间的距离矩阵；根据所述距离矩阵对所述三维对象的视图进行多层次聚类，以得到聚类结果；以及从每个所述聚类结果中选择共性最多的一个视图作为所述备选检索视图。

在本发明的实施例中，所述步骤B进一步包括：根据所述备选检索视图对应聚类结果中的所述三维对象的视图数量，与所述三维对象的全部视图数量计算所述备选检索视图的权重；选取所述权重最大的所述备选检索视图作为初始检索视图，以用于检索所述三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，

l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。

在本发明的实施例中，所述权重的计算公式为：

W＝N_i/N，

其中，W为所述权重，N_i为所述备选检索视图对应聚类结果中的所述三维对象的视图数量，N为所述三维对象的全部视图数量。

在本发明的实施例中，所述从剩余备选检索视图中选取检索视图，根据如下公式选取所述检索视图：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

其中，d(v，V_x)为所述三维对象的视图v和所述三维对象视图集合V_x之间的距离。

本发明的另一方面的实施例还提出了一种基于智能检索视图选择的三维对象检索装置，包括：获取模块，用于对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图；检索模块，用于从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果；第一控制模块，用于判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；以及第二控制模块，用于判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果，并且继续判断所述检索结果是否达到所述预定标准并作相应的操作，直至判断所述检索结果达到预定标准，将所述检索结果作为最终检索结果。

在本发明的实施例中，所述检索模块包括聚类模块和备选视图获取模块，其中，所述聚类模块用于以Zernike Moments为图像特征对所述视图进行特征提取以得到特征提取结果，并根据所述特征提取结果应用欧式距离计算任意两个视图之间的距离，直至所述所有视图之间的距离计算完毕，得到所述视图之间的距离矩阵，并根据所述距离矩阵对所述三维对象的视图进行多层次聚类，以得到聚类结果，所述备选视图获取模块用于从每个所述聚类结果中选择共性最多的一个视图作为所述备选检索视图。

在本发明的实施例中，所述检索模块根据所述备选检索视图对应聚类结果中的所述三维对象的视图数量，与所述三维对象的全部视图数量计算所述备选检索视图的权重，并选取所述权重最大的所述备选检索视图作为初始检索视图，以用于检索所述三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。

在本发明的实施例中，所述第一检索模块和所述第二检索模块根据如下公式从剩余所述备选检索视图中继续选取检索视图：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

其中，d(v，V_x)为所述三维对象的视图v和所述三维对象视图集合V_x之间的距离。

通过本发明实施例提出的基于智能检索选择的三维对象检索方法和装置，能够通过选择不同的检索视图检索三维对象，不但节省了检索过程所带来的计算量，而且保证了检索结果的正确性。另外，本发明易于实现，操作简单。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的基于智能检索视图选择的三维对象检索方法的流程图；

图2为采用本发明实施例方法的一种具体应用流程示意图；

图3为根据本发明实施例的方法的检索结果示意图；以及

图4为本发明实施例的基于智能检索视图选择的三维对象检索装置结果图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明是针对现有三维对象检索过程所带来的计算量大，检索结果不准确而提出的一种基于智能检索视图选择的三维对象检索方法和装置，在本发明的具体实施例中，该方法通过选择不同的检索视图对三维对象进行检索，得到不同的检索结果，用户能够根据检索结果的不同判断是否达到满意度，如果没有达到用户的满意度，该方法将选择另外的检索视图进行三维对象的检索，判断此次检索结果是否达到满意程度，如果不满意，还将继续进行选择并检索的过程。直至达到用户满意度为止。

为了对本发明实施例提出的基于智能检索视图选择的三维对象检索方法有更清楚的认识，以下结合附图首先对本发明的方法的整体流程和工作原理做详细描述。

如图1所示，为本发明实施例的基于智能检索视图选择的三维对象检索方法的流程图，结合图2，为采用本发明实施例方法的一种具体应用流程示意图。在本发明的具体实施例中，该方法包括以下步骤：

步骤S101，对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图。

具体地，在本发明的一个实施例中，首先以Zernike Moments为图像特征对三维对象的视图进行特征提取以得到特征提取结果，然后根据已经得到的视图特征点提取结果，应用欧式距离计算任意两个视图之间的距离，以此类推，采用此种方法计算任意两个视图之间的距离直至所述所有视图之间的距离计算完毕，得到三维对象的所有视图之间的距离矩阵，接着根据已经得到的距离矩阵对三维对象的视图进行聚类，以得到聚类结果在本发明的优选实施例中，采用层次聚类的方法进行聚类，得到多个聚类结果，当然，本领域的技术人员知道，也可以采用其它聚类方法，这些基于本发明思想的变换和改动均应列为本发明的保护范围，最后从每个聚类结果中选择共性最多的一个视图作为一个备选检索视图，备选视图的个数和聚类结果的个数相同。

步骤S102，从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果。

具体地，在本发明的一个实施例中，首先根据步骤S101中得到的备选检索视图对应聚类结果中的所述三维对象的视图数量，与三维对象的全部视图数量计算每个备选检索视图的权重，接着选取权重最大的一个备选检索视图作为初始检索视图，以用于检索三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，

l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。

更为具体地，在本发明的一个优选实施例中，权重的计算公式为：

W＝N_i/N，

其中，W为所述权重，N_i为所述备选检索视图对应聚类结果中的所述三维对象的视图数量，N为所述三维对象的全部视图数量。如：一个备选检索视图所在的聚类的视图总数为N_i＝10，而三维对象的所有视图总是，也就是所有聚类的视图总是之和为N_i＝50，则该备选检索视图的权重为W＝N_i/N，W＝10/50＝0.2。

步骤S103，判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果。

具体地，结合图2来看，在本发明的一个实施例中，以National Taiwan University的基于图像集合的3D对象数据库为例，在该具体例子中，每个三维对象由20张图像表示，一共选取了500个对象作为实验数据库。在试验中，分别将每个三维对象作为待检索对象，进行检索，并分析最后的综合检索效果。更为具体地，首先根据用户的反馈意见判断所述初始检索结果是否达到预定标准。用户将检测结果划分为正确的检索结果样本和错误的检索结果样本，这里为了简化描述，令正确样本和错误样本的集合分别为R+和R-，需要说明的是R+和R-只是为了简化对本发明实施例的描述，并不是说明检索结果为R+和R-，也可以使用其他描述方式进行描述，接着，如果用户对该检索结果不满意，则从剩余的备选检索视图中进行新的检索视图选择，并应用于三维对象的检索，从而继续进行检索。

在本发明的一个实施例中，进行新的检索视图选择的方法为：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

这里d(v，V_x)为视图v和对象视图集合V_x之间的距离，而该距离的计算方法为：

$d(v,V_x)=\underset{v_x\∈V_x}{\min }d(v,v_x),$

从而选择了新的检索视图并根据检索视图检索三维对象得到新的检索结果。

步骤S104，继续判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果。

具体地，根据步骤S103中得到的新的检索结果，判断该检索结果是否达到用户的满意度，如果用户对该检索结果不满意，则将以步骤S103提供的方法从新选择检索视图并进行三维对象的检索。

步骤S105，循环执行步骤S104直至所述检索结果达到预定标准，得到最终检索结果。

具体地，根据用户的反馈意见对检索结果的满意度，如果用户对检索结果不满意，则将以步骤S104提出的方法进一步检索，这个检索过程直至用户对检索结果满意为止。终止循环检索。输出相应的用户满意的最终检索结果。

如图3所示，为根据本发明实施例的方法的检索结果示意图。在本发明的一个实施例中，同样以National Taiwan University的基于图像集合的3D对象数据库，每个对象由20张图像表示，一共选取了500个对象作为实验数据库为例进行测试。该过程直至用户对检索结果满意为止。在本实施例中，如步骤303为采用本发明实施例的方法的初次检索结果，共进行了4轮的相关反馈过程，依次为步骤304，步骤305，步骤306，步骤307。该方法共进行了5轮的检索该三维对象检索结果。从图3中能够看出，给出查全率-查准率曲线，并且在示出了通过本发明实施例提出的方法的检索结果和另外两种三维对象检索方法检索结果的比较。第一种方法301(ERD)为应用球面上投影的三维对象描述方法，第二种方法302(ED)为应用来自6角度视图的三维对象的匹配方法。从比较中能够看出，在运用本发明实施例方法的三维对象的检索效果上，随着用户反馈的增加(判断对检索结果是否满意)，检索结果有很好的改善，与传统方法相比能取得更好的效果。

本发明实施例另一方法提出一种基于智能检索视图选择的三维对象检索装置400，包括获取模块410、检索模块420、第一控制模块430和第二控制模块440。其中，获取模块410用于对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图，检索模块420用于从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果，第一控制模块430用于判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果，第二控制模块440用于判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果，并且继续判断所述检索结果是否达到所述预定标准并作相应的操作，直至判断所述检索结果达到预定标准，将所述检索结果作为最终检索结果。

在本发明的一个实施例中，获取模块410包括聚类模块411和备选视图获取模块412，其中，所述聚类模块411用于以Zernike Moments为图像特征对所述视图进行特征提取以得到特征提取结果，并根据所述特征提取结果应用欧式距离计算任意两个视图之间的距离，直至所述所有视图之间的距离计算完毕，得到所述视图之间的距离矩阵，并根据所述距离矩阵对所述三维对象的视图进行多层次聚类，以得到聚类结果，所述备选视图获取模块412用于从每个所述聚类结果中选择共性最多的一个视图作为所述备选检索视图。

在本发明的一个实施例中，所述检索模块420根据所述备选检索视图对应聚类结果中的所述三维对象的视图数量，与所述三维对象的全部视图数量计算所述备选检索视图的权重，并选取所述权重最大的所述备选检索视图作为初始检索视图，以用于检索所述三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，

l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。所述第一检索模块430和所述第二检索模块440根据如下公式从剩余所述备选检索视图中继续选取检索视图：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

其中，d(v，V_x)为所述三维对象的视图v和所述三维对象视图集合V_x之间的距离。

通过本发明实施例提出的基于智能检索选择的三维对象检索方法和装置，能够通过选择不同的检索视图检索三维对象，不但节省了检索过程所带来的计算量，而且保证了检索结果的正确性。另外，本发明易于实现，操作简单。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。

Claims (9)

1.一种基于智能检索视图选择的三维对象检索方法，其特征在于，包括以下步骤：

A.对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图；

B.从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果；

C.判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；

D.继续判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；和

E.循环执行步骤D直至所述检索结果达到预定标准，得到最终检索结果。

2.如权利要求1所述的基于智能检索视图选择的三维对象检索方法，其特征在于，所述步骤A进一步包括：

以Zernike Moments为图像特征对所述视图进行特征提取以得到特征提取结果；

根据所述特征提取结果应用欧式距离计算任意两个视图之间的距离，直至所述所有视图之间的距离计算完毕，得到所述视图之间的距离矩阵；

根据所述距离矩阵对所述三维对象的视图进行多层次聚类，以得到聚类结果；以及

从每个所述聚类结果中选择共性最多的一个视图作为所述备选检索视图。

3.如权利要求1所述的基于智能检索视图选择的三维对象检索方法，其特征在于，所述步骤B进一步包括：

根据所述备选检索视图对应聚类结果中的所述三维对象的视图数量，与所述三维对象的全部视图数量计算所述备选检索视图的权重；

选取所述权重最大的所述备选检索视图作为初始检索视图，以用于检索所述三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。

4.如权利要求3所述的基于智能检索视图选择的三维对象检索方法，其特征在于，所述权重的计算公式为：

W＝N_i/N，

其中，W为所述权重，N_i为所述备选检索视图对应聚类结果中的所述三维对象的视图数量，N为所述三维对象的全部视图数量。

5.如权利要求1所述的基于智能检索视图选择的三维对象检索方法，其特征在于，所述从剩余备选检索视图中选取检索视图，根据如下公式选取所述检索视图：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

其中，d(v，V_x)为所述三维对象的视图v和所述三维对象视图集合V_x之间的距离。

6.一种基于智能检索视图选择的三维对象检索装置，其特征在于，包括：

获取模块，用于对所述三维对象的视图进行聚类，并从所述聚类的结果中挑选备选检索视图；

检索模块，用于从所述备选检索视图中选取初始检索视图，以根据所述初始检索视图检索所述三维对象并得到初始检索结果；

第一控制模块，用于判断所述初始检索结果是否达到预定标准，如果所述初始检索结果达到所述预定标准，则将所述初始检索结果作为最终检索结果，如果所述初始检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果；以及

第二控制模块，用于判断所述检索结果是否达到所述预定标准，如果判断所述检索结果达到所述预定标准，则将所述检索结果作为最终检索结果，如果判断所述检索结果未达到所述预定标准，则从剩余所述备选检索视图中继续选取检索视图，以根据所述检索视图检索所述三维对象并得到检索结果，并且继续判断所述检索结果是否达到所述预定标准并作相应的操作，直至判断所述检索结果达到预定标准，将所述检索结果作为最终检索结果。

7.如权利要求6所述的基于智能检索视图选择的三维对象检索装置，其特征在于，所述检索模块包括聚类模块和备选视图获取模块，其中，所述聚类模块用于以ZernikeMoments为图像特征对所述视图进行特征提取以得到特征提取结果，并根据所述特征提取结果应用欧式距离计算任意两个视图之间的距离，直至所述所有视图之间的距离计算完毕，得到所述视图之间的距离矩阵，并根据所述距离矩阵对所述三维对象的视图进行多层次聚类，以得到聚类结果，所述备选视图获取模块用于从每个所述聚类结果中选择共性最多的一个视图作为所述备选检索视图。

8.如权利要求6所述的基于智能检索视图选择的三维对象检索装置，其特征在于，所述检索模块根据所述备选检索视图对应聚类结果中的所述三维对象的视图数量，与所述三维对象的全部视图数量计算所述备选检索视图的权重，并选取所述权重最大的所述备选检索视图作为初始检索视图，以用于检索所述三维对象，其中，所述三维对象之间关联性的距离计算方法为：

$d(Q,V_x)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}d(v_i,V_x),$

其中，

l为所述初始检索视图，v₁，v₂...v_l为l个所述备选检索视图。

9.如权利要求6所述的基于智能检索视图选择的三维对象检索装置，其特征在于，所述第一检索模块和所述第二检索模块根据如下公式从剩余所述备选检索视图中继续选取检索视图：

$J=\min \underset{V_x\∈R^{+}}{\mathrm{\Σ}}d(v,V_x),$

其中，d(v，V_x)为所述三维对象的视图v和所述三维对象视图集合V_x之间的距离。

Images