專利名稱：基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法
技術(shù)領域：
本發(fā)明涉及一種計算機圖像處理方法，具體涉及一種基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法。
背景技術(shù)：
給定一個三維模型，從不同的角度對其進行觀察時，由于承載了該三維模型的不同方向的視覺信息，可能會展現(xiàn)出完全不同的表現(xiàn)形式。尋找最佳視角的本質(zhì)是找出一個承載最大信息量的視點，該視點有利于人們更加深入地去觀察和了解給定的三維模型。近年來，最佳視角問題得到了學術(shù)界的廣泛研究，并應用到很多實際問題中，如形狀識別和分類、三維模型視圖編輯、基于圖像的渲染、三維模型搜索等。對于什么樣的視角是最佳視角這一問題，現(xiàn)在還沒有一個權(quán)威的定義。在研究最佳視角問題時，人們通常根據(jù)自己所面對的實際應用去進行定義。通過研究計算機圖形心理學，Blanz等人提出了決定最佳視角的四個屬性利于識別、熟悉度、能用函數(shù)表示以及審美標準，并且最佳視角在很大程度上受三維模型的幾何特性影響(Blanz，V.，etal.， What object attributes determine canonical views？ PERCEPTION-LONDON-,1999. 28 p. 575-600.)。結(jié)合這些研究成果，最佳視角常被定義為能為人們提供該模型最多可視化信息的視角。其中，可視化信息可以進一步表現(xiàn)為曲率、拓撲或者輪廓熵等描述符，且最佳視角就是盡可能多地使這些描述符可見。盡管這些描述符對于某些模型來說可以很好地展示出其特征，但是，還不能證實這些信息可以完全代表人類的感知。而且，在現(xiàn)實生活中，也常常會遇到一些這些描述符處理出錯的例子，如面對一臺電視機，其背面的曲率特征明顯強于前面，而對我們來說，其最佳視點卻存在于前方。最佳視角一定是當人們面對一個物體時，絕大多數(shù)人傾向選擇的視角。很明顯，對于給定的模型，不能逐個詢問全人類他們心目中的最佳視角。然而，互聯(lián)網(wǎng)給了人們一個分享自己所拍照片的平臺。近年來軟、硬件技術(shù)的高速發(fā)展，也使互聯(lián)網(wǎng)逐步深入人們的日常生活。隨著人們不斷在網(wǎng)絡上分享自己拍攝的照片，互聯(lián)網(wǎng)已經(jīng)成為一個海量的圖像數(shù)據(jù)庫。例如，在著名的圖像分享網(wǎng)站Flickr上，如今共享的圖像量已經(jīng)超過了四十億，而在google網(wǎng)頁上，超過一百億的圖像可供人們檢索。人們在拍攝自己感興趣的物體時，通常會選擇一個自認為很不錯的角度，即最佳視角去進行拍攝，而且，所放在網(wǎng)絡上共享的圖像，更是選擇的視角很滿意的作品。網(wǎng)絡數(shù)據(jù)量龐大，對于任意給定的模型，都可以通過網(wǎng)絡輕松找到足量含有該模型的圖像。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法。為達到上述目的，本發(fā)明采用的技術(shù)方案是—種基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法，包含以下步驟1)利用基于顏色對比度的圖像特征提取方法，求取下載的網(wǎng)絡圖像的特征2)輸入三維模型求出三維模型表面各頂點的曲率，用以表征三維模型表面的形狀特征即得到三維模型的表面形狀特征的投影圖；3)基于三維模型的投影圖像和網(wǎng)絡圖像的輪廓匹配的重合度，該重合度衡量兩幅圖像之間相互重合的程度，并通過求取兩幅圖像之間最大的重合程度，計算出表征圖像之間輪廓相似程度的能量函數(shù)；4)基于三維模型的投影圖像和網(wǎng)絡圖像的輪廓形狀的相似度，該相似度表征兩幅圖像之間圖像形狀的一致性，并依據(jù)該相似度求出表征形狀相似性的能量函數(shù)；5)基于三維模型的表面形狀特征的投影圖和下載的網(wǎng)絡圖像的特征圖的細節(jié)特征的吻合度，該吻合度確認兩幅圖像的重合程度，依據(jù)該細節(jié)特征的吻合度，求出對應的特征能量函數(shù)；6)根據(jù)三維模型的表面形狀特征的投影圖和下載的網(wǎng)絡圖像的特征圖的相似程度，用統(tǒng)計的方法求取最佳視角，所述的相似程度是相似程度的能量函數(shù)、相似性的能量函數(shù)和特征能量函數(shù)疊加的結(jié)果。所述的基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法，其具體的執(zhí)行步驟如下步驟一對于輸入的三維模型M，在不同視角均勻地對其做平行投影，獲取其投影圖集P;步驟二 用輸入的三維模型M的關鍵字在網(wǎng)絡上下載相關圖像，并用graph cut算法分割出網(wǎng)絡圖像的前景，組成網(wǎng)絡圖集I ；步驟三分別求出投影圖集P和網(wǎng)絡圖集I中各圖像的掩膜圖；步驟四利用步驟三求取的掩膜圖，首先將投影圖像的掩模圖和網(wǎng)絡圖像的掩模圖的目標置于同一坐標系，并利用主成分分析算法對投影圖像的掩模圖和網(wǎng)絡圖像的掩模圖的坐標進行調(diào)整，然后將兩幅圖像Ii和Pj的輪廓相似度定義為[式一]

權(quán)利要求
1.一種基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法，其特征在于包含以下步驟1)利用基于顏色對比度的圖像特征提取方法，求取下載的網(wǎng)絡圖像的特征圖；2)輸入三維模型求出三維模型表面各頂點的曲率，用以表征三維模型表面的形狀特征即得到三維模型的表面形狀特征的投影圖；3)基于三維模型的投影圖像和網(wǎng)絡圖像的輪廓匹配的重合度，該重合度衡量兩幅圖像之間相互重合的程度，并通過求取兩幅圖像之間最大的重合程度，計算出表征圖像之間輪廓相似程度的能量函數(shù)；4)基于三維模型的投影圖像和網(wǎng)絡圖像的輪廓形狀的相似度，該相似度表征兩幅圖像之間圖像形狀的一致性，并依據(jù)該相似度求出表征形狀相似性的能量函數(shù)；5)基于三維模型的表面形狀特征的投影圖和下載的網(wǎng)絡圖像的特征圖的細節(jié)特征的吻合度，該吻合度確認兩幅圖像的重合程度，依據(jù)該細節(jié)特征的吻合度，求出對應的特征能量函數(shù)；6)根據(jù)三維模型的表面形狀特征的投影圖和下載的網(wǎng)絡圖像的特征圖的相似程度，用統(tǒng)計的方法求取最佳視角，所述的相似程度是相似程度的能量函數(shù)、相似性的能量函數(shù)和特征能量函數(shù)疊加的結(jié)果。
2.如權(quán)利要求1所述的基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法，其具體的執(zhí)行步驟如下步驟一對于輸入的三維模型M，在不同視角均勻地對其做平行投影，獲取其投影圖集P ；步驟二 用輸入的三維模型M的關鍵字在網(wǎng)絡上下載相關圖像，并用graph cut算法分割出網(wǎng)絡圖像的前景，組成網(wǎng)絡圖集I ；步驟三分別求出投影圖集P和網(wǎng)絡圖集I中各圖像的掩膜圖； 步驟四利用步驟三求取的掩膜圖，首先將投影圖像的掩模圖和網(wǎng)絡圖像的掩模圖的目標置于同一坐標系，并利用主成分分析算法對投影圖像的掩模圖和網(wǎng)絡圖像的掩模圖的坐標進行調(diào)整，然后將兩幅圖像Ii和Pj的輪廓相似度定義為 [式一]=ex AreajI1-Pj) +AreajPj-I1)^ ,J _I-Area(Il^P1) ‘其中Ii-Pj表示包含于Ii但是不包含于Pj的區(qū)域，Pj-Ii表示包含于Pj但是不包含于 Ii的區(qū)域，Ii η Pj表示同時包含在Ii和P」中的部分，Area表示該區(qū)域的面積；步驟五對于步驟三求取的掩膜圖，利用Carmy算子分別求出投影圖像的掩模圖和網(wǎng)絡圖像的掩模圖的邊緣圖U和V 首先，分別對邊緣圖U和V進行采樣仏} c "和fe} c 7，給定點集Pi,各采樣點的結(jié)構(gòu)信息定義為 [式二]^ (k) = #{q 乒 Pi :(q_Pi) e bin(k)}其中，bin(k)表示像素點位于圓盤內(nèi)第k個區(qū)域內(nèi)的點的個數(shù)，且在對數(shù)空間進行歸一化；q是指在Pi所在邊緣圖像內(nèi)與點Pi的距離關系滿足條件(q_Pi) e bin(k)的點；給定點對{Pi，qj，定義這兩點的形狀不一致度為
全文摘要
本發(fā)明提出了一種基于互聯(lián)網(wǎng)圖像的三維模型最佳視角自動獲取方法，它充分利用網(wǎng)絡這個海量資源庫，結(jié)合輪廓相似度、形狀相似度和細節(jié)特征吻合度等技術(shù)指標去衡量投影圖和網(wǎng)絡圖像的相似性，篩選出每個視角對應的投影圖所對應的網(wǎng)絡圖像的數(shù)目，挑選出人們最常用的視角，并將其確認為該三維模型的最佳視角。該方法并不單一地將好的視角規(guī)定為某一個參數(shù)，如可視面積、曲率熵等，而是充分結(jié)合人們的視覺習慣，這樣求出的最佳視角容易為人們接受。
文檔編號G06T15/10GK102163343SQ201110089940
公開日2011年8月24日 申請日期2011年4月11日 優(yōu)先權(quán)日2011年4月11日
發(fā)明者劉洪 , 張磊, 黃華 申請人:西安交通大學