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容， 通過對模型預處理、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狀。

【關鍵詞】 三維模型 視圖 特征提取

一、引言

隨著三維掃描技術和計算機圖形學廣泛應用于工業，機械，醫學等領域，三維模型成為一種新多媒體數據類型，面對龐大的三維模型數據庫， 幫助用戶快速準確地獲取所需三維模型，實現資源重用成為了計算機視覺、計算機圖形學界的一個研究熱點。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問題。同時絕大多數三維模型檢索的研究都是針對通用模型進行的. 這也使得對三維模型特征提取的研究更加復雜。現有的三維模型檢索技術可以分為基于統計特征、基于拓撲結構、基于幾何結構分析和基于視圖四大類。

基于統計特征的方法通過對三維模型的某一特征信息進行統計，獲得統計直方圖后將其量化而得到三維模型特征向量，但是大多數統計特征帶有隨機性， 檢索性能不穩定。基于拓撲和結構分析得到的特征在檢索系統中檢索響應時間較長。基于視圖將三維模型投影成多個不同視角的二維圖像，再對二維投影進行特征的提取用以描述三維模型。這種方法將復雜的三維問題轉化為較為成熟的二維圖像處理問題，降低了計算的復雜度，符合人的視覺特征，檢索性能較好。基于視圖的三維模型特征提取一般為三個步驟模型預處理，視圖獲取，描述符提取。

二、模型預處理

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性，為了對三維模型在相同尺度、相同規則下進行比較檢索，首先對其進行位置和尺寸標準化預處理。一般分為三個部分平移歸一化，旋轉歸一化，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；R 為對應于PCA變換的旋轉矩陣；I 為原始模型坐標；C為坐標原點。

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作為新坐標系的原點，重新計算模型在新坐標系中的頂點坐標實際應用中的三維模型往往不是密度均勻分布的模型，文獻[1]采用面積加權法來提高重心平移的魯棒性，也就是將每個點的表面積作為該頂點的權重。

2.2旋轉歸一化

旋轉歸一化的目的是為了保證模型具有一個統一的姿態方向，使得提取的特征具有旋轉不變性，文獻[2]對旋轉歸一化改進利用蒙特卡羅法在三維模型表面均勻采點，以此代替原來頂點。該方法的特點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數據。

2.3 尺度歸一化

為了統一三維模型的尺度，保證拉伸不變性，需要計算縮放因子。文獻[1]采用的方法是找到模型中距離質心最遠的頂點，取值為這個最大距離的倒數，然后按照這個系數進行縮放。

三、視圖獲取

模型預處理完成后需要進行視圖提取，按照提取的視圖是否進行二次選擇可分為：最優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，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個頂點中的10個。每個頂點處設定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）和傅里葉變換特征（取10個系數），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最優視圖提取

由于產生的多視圖來描述模型在檢索模型時計算時間長，且有些視圖是冗余的。有些研究者會將多視圖進行最優選擇出一組或一個最優視圖。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行相似性學習得到該模型的最優視圖樣例，然后將輸入模型從不同視點得到的渲染視圖和最優視圖樣例進行形狀相似性分析，以相似度最高者作為輸入模型的最優視圖.得到的最優視圖不僅可以有效地逼近用戶選擇結果而且具有較好的穩定性。

四、總結

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節。所以三維模型的檢索與復用近年來成為計算機圖形學領域內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雜，現在二維圖像處理技術非常成熟所以將三維模型表達成視圖在進行處理，得到很好的模型描述符在檢索三維模型時節省時間。

參 考 文 獻

[1]基于視圖的三維模型檢索技術研究 馮毅攀 浙江工業大學碩士學位論文 2011.10.20

[2]三維模型特征提取與檢索 柳 偉 申請上海交通大學博士學位論文 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。基于相似性學習的三維模型最優視圖選擇算法 計算機輔助設計與圖形學學報