开云优惠体育网页版入口

专利名称：一种非刚性三维形状描述方法及装置、存储介质、设备

专利类型：发明专利

专利申请号：CN202410153789.8

专利申请（专利权）人：青海师范大学
权利人地址：青海省西宁市城北区：大道延长段38号

专利发明（设计）人：发明人:张丹,闫玉环

专利摘要：本发明提供了一种非刚性三维形状描述方法及装置、存储介质、设备，其中方法包括构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；以及，确定表征目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；针对待匹配形状，构建基于目标谱形状描述符和高斯曲率函数的特征融合描述符；对特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；利用目标特征融合描述符对目标形状模型进行形状特征描述，得到模型特征数据。由此，IBKS描述符建立在双调和核签名的基础上，继承了形状铰链结构区域的稳定性，确保了对局部或全局形状信息的描述性能，对等距、缩放、噪声、采样和拓扑变换具有较好的鲁棒性。

主权利要求：
1.一种非刚性三维形状描述方法，其特征在于，所述方法包括：构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；所述目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；以及，确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；
针对待匹配形状，构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符；
对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；
利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述，得到模型特征数据；
所述构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符，包括：利用以下公式表示所述特征融合描述符：
*
其中，xj为所述目标形状模型表面上的任意顶点；BKS (xj)为在目标形状模型表面任意顶点xj的内蕴特征；G(xj)为在目标形状模型表面任意顶点的高斯曲率；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个特征值， 为对应的特征函数； 为特征函数在点处的特征函数值；n为LB算子谱分解生成的特征值个数；AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。
2.根据权利要求1所述的方法，其特征在于，所述利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述之前，所述方法还包括：绘制所述特征融合描述符对应的特征热力图；
基于所述特征热力图分析最小特征函数对的选择对于所述特征融合描述符的特征描述性能的影响，以得到所述特征融合描述符所需的最小特征函数对值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用BOF特征编码技术将多个目标形状模型的模型特征数据转换为具有相同特征维数的模型特征向量；
基于所述模型特征向量，利用欧几里得距离计算方法计算各所述目标形状模型之间的相似度，以进行形状匹配和/或形状检索。
4.根据权利要求1所述的方法，其特征在于，所述构建基于BKS标度特征函数和特征值向量的目标谱形状描述符，包括：利用以下公式表示所述目标谱形状描述符：
其中，xj为所述目标形状模型表面上的任意顶点；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个特征值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数。
5.根据权利要求1所述的方法，其特征在于，所述确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数，包括：基于离散曲率原理对所述目标形状模型任意顶点的曲面弯曲程度进行计算，所述高斯曲率函数的表示公式如下：其中，AM为包含顶点xj的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。
6.根据权利要求1所述的方法，其特征在于，所述对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符，包括：利用最大差分归一化方法对所述目标谱形状描述符和所述高斯曲率函数进行处理，公式如下：其中，IBKS(x)为目标特征融合描述符；m为所述目标形状模型上的采样点个数；采样点x∈M；G(x)为在目标形状模型表面采样点上的高斯曲率；max(GM)为在目标形状模型表面全部采样点上的最大高斯曲率；min(GM)为在目标形状模型表面全部采样点上的最小高斯曲* *率；BKS(x)为在目标形状模型表面采样点上的内蕴特征；max(BKS M)为在目标形状模型表*面全部采样点上的最大值；min(BKSM)为在目标形状模型表面全部采样点上的最小值。
7.一种非刚性三维形状描述装置，其特征在于，所述装置包括：特征构建模块，用于构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；所述目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；
函数确定模块，用于确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；
变量融合模块，用于针对待匹配形状，构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符；
数据处理模块，用于对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；
特征描述模块，用于利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述，得到模型特征数据；
所述变量融合模块，还用于：利用以下公式表示所述特征融合描述符：*
其中，xj为所述目标形状模型表面上的任意顶点；BKS (xj)为在目标形状模型表面任意顶点xj的内蕴特征；G(xj)为在目标形状模型表面任意顶点的高斯曲率；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个特征值， 为对应的特征函数； 为特征函数在点处的特征函数值；n为LB算子谱分解生成的特征值个数；AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1～6任一项所述的非刚性三维形状描述方法。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～6中任一项所述的非刚性三维形状描述方法。 说明书 : 一种非刚性三维形状描述方法及装置、存储介质、设备技术领域[0001] 本发明涉及三维形状描述技术领域，具体涉及一种非刚性三维形状描述方法及装置、存储介质、设备。背景技术[0002] 谱形状描述符对常见的形状变形具有内在不变性，非常适合寻找等距或近等距形状之间的相似映射，以及比较不同表情或姿态下的同一物体。LB算子可以描述模型的内在属性和几何特征，在过去的十年中，利用形状LB算子的特征值及其对应的特征函数构造了许多谱描述符，这些描述符对非刚性变换保持不变且相对稳定。全局点签名(globalpointsignature，GPS)具有几个理想的性质，如等距形变下的不变性和算子的唯一性，被广泛用于形状的分割和配准。然而，GPS不能用于检测部分对称性，也不能进行部分匹配，且存在特征值相近时特征函数切换的问题，无法保证模型的对称区域具有相同的特征颜色映射。双调和核签名(biharmonickernelsignature，BKS)基于模型的内在固有量，对等距变形不敏感，对噪声、采样和部分对象具有鲁棒性，计算速度快，也可用于函数插值和形状对应。与GPS相比，BKS描述符可以更精确地描述模型，增强了模型特征之间的差异性，可以保证模型对称区域具有相同的特征映射。BKS描述符还能够通过特征值的平方运算消除特征值符号翻换和特征函数顺序调换的问题。然而，由于BKS描述符过于强调对形状局部和全局特征的调和性，影响了算子本身对局部或全局形状信息的描述性能。发明内容[0003] 为此，本发明提供一种非刚性三维形状描述方法及装置、存储介质、设备，旨在解决现有技术中BKS描述符过于强调对形状局部和全局特征的调和性，影响对局部或全局形状信息的描述性能的技术问题。[0004] 为实现以上目的，本发明采用如下技术方案：[0005] 依据本发明第一方面，本发明提供一种非刚性三维形状描述方法，所述方法包括：[0006] 构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；所述目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；以及，[0007] 确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；[0008] 针对所述待匹配形状，构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符；[0009] 对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；[0010] 利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述，得到模型特征数据。[0011] 可选地，所述利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述之前，所述方法还包括：[0012] 绘制所述特征融合描述符对应的特征热力图；[0013] 基于所述特征热力图分析最小特征函数对的选择对于所述特征融合描述符的特征描述性能的影响，以得到所述特征融合描述符所需的最小特征函数对值。[0014] 可选地，所述方法还包括：[0015] 利用BOF特征编码技术将多个目标形状模型的模型特征数据转换为具有相同特征维数的模型特征向量；[0016] 基于所述模型特征向量，利用欧几里得距离计算方法计算各所述目标形状模型之间的相似度，以进行形状匹配和/或形状检索。[0017] 可选地，所述构建基于BKS标度特征函数和特征值向量的目标谱形状描述符，包括：[0018] 利用以下公式表示所述目标谱形状描述符：[0019][0020] 其中，xj为所述目标形状模型表面上的任意顶点；λi为特征值矩阵Λ＝{λ1,λ1,...,λn}的第i个特征值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数。[0021] 可选地，所述确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数，包括：[0022] 基于离散曲率原理对所述目标形状模型任意顶点的曲面弯曲程度进行计算，所述高斯曲率函数的表示公式如下：[0023][0024] 其中，AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0025] 可选地，所述构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符，包括：[0026] 利用以下公式表示所述特征融合描述符：[0027][0028] 其中，xj为所述目标形状模型表面上的任意顶点；BKS*(xj)为在目标形状模型表面任意顶点xj的内蕴特征；G(xj)为在目标形状模型表面任意顶点的高斯曲率； 为特征函数； 为特征函数在点处的特征值；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个特征值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数；AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0029] 可选地，所述对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符，包括：[0030] 利用最大差分归一化方法对所述目标谱形状描述符和所述高斯曲率函数进行处理，公式如下：[0031][0032] 其中，IBKS(x)为目标特征融合描述符；m为所述目标形状模型上的采样点个数；采样点x∈M；G(x)为在目标形状模型表面采样点上的高斯曲率；max(GM)为在目标形状模型表面全部采样点上的最大高斯曲率；min(GM)为在目标形状模型表面全部采样点上的最小高* *斯曲率；BKS (x)为在目标形状模型表面采样点上的内蕴特征；max(BKSM)为在目标形状模*型表面全部采样点上的最大值；min(BKSM)为在目标形状模型表面全部采样点上的最小值。[0033] 依据本发明第二方面，本发明提供一种非刚性三维形状描述装置，所述装置包括：[0034] 特征构建模块，用于构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；所述目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；[0035] 函数确定模块，用于确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；[0036] 变量融合模块，用于针对所述待匹配形状，构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符；[0037] 数据处理模块，用于对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；[0038] 特征描述模块，用于利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述，得到模型特征数据。[0039] 依据本发明第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如本发明第一方面中任一项所述非刚性三维形状描述方法。[0040] 依据本发明第四方面，本发明提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本发明第一方面中任一项所述的非刚性三维形状描述方法。[0041] 本发明采用以上技术方案，至少具备以下有益效果：[0042] 通过本发明方案，构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；所述目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；以及，确定表征所述目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；针对所述待匹配形状，构建基于所述目标谱形状描述符和所述高斯曲率函数的特征融合描述符；对所述特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；利用所述目标特征融合描述符对所述目标形状模型进行形状特征描述，得到模型特征数据。由此，IBKS描述符建立在双调和核签名的基础上，继承了形状铰链结构区域的稳定性，确保了对局部或全局形状信息的描述性能，对等距、缩放、噪声、采样和拓扑变换具有较好的鲁棒性。[0043] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。附图说明[0044] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。[0045] 图1示出了本发明一实施例提供的非刚性三维形状描述方法的流程示意图；[0046] 图2示出了本发明一实施例提供的顶点的一环邻域的结构示意图；[0047] 图3示出了本发明一实施例提供的非刚性三维形状描述装置的结构示意图；[0048] 图4示出了本发明另一实施例提供的非刚性三维形状描述装置的结构示意图；[0049] 图5示出了本发明一实施例提供的计算机设备的实体结构示意图。具体实施方式[0050] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。[0051] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0052] 为了加强对本发明的理解，首先对现有技术的谱分析方法进行介绍：[0053] 谱分析方法用于定量测量形状表面的差异，可以执行详细的形状分析任务，这对形状的表示和识别非常重要。与特征函数相对应的较小的特征值表示形状的低频信息，而较大的特征值用于对形状的高频信息进行描述。基于LB算子的谱形状描述符一般可表示为：[0054][0055] 其中，v表示形状表面上的任意顶点，n表示LB算子所对应的特征函数个数，表示滤波函数，r表示参数。例如：对于热核签名HKS和波核签名WKS来说，它们的滤波函数分?rt ?irt别可表示为e 和e 。[0056] 全局点签名(globalpointsignature，GPS)：[0057][0058] GPS描述符在等距形变下具有良好的性能，但会受符号翻转和基特征函数序列变化等因素的影响。根据双调和微分方程，通过正则化LB算子的特征值，提出了一种流行的双调和核签名(biharmonickernelsignature，BKS)形状描述符。与网格相关联的BKS是LB算子的特征值和特征函数向量，分母由LB算子特征值的平方根变为特征值本身。看似简单的改进大大加快了算子的收敛速度，提高了形状签名的描述性能。对于采样点x和流形M，BKS可定义为：[0059][0060] BKS描述符对流形中每一点具有唯一性以及在等距变换下具有不变性，且不受特征值符号翻转的影响；BKS描述符也可以用来定义流形上的一些特征点，对物体的几何结构进行描述，或用于检测两个不同流形的相似性。然而，BKS描述符过于强调其调和特性，影响了描述局部或全局形状信息的性能。本发明即用于克服该技术问题。[0061] 本发明实施例提供了一种非刚性三维形状描述方法，如图1所示，至少可以包括以下步骤S101～S105：[0062] 步骤S101，构建基于BKS标度特征函数和特征值向量的目标谱形状描述符。[0063] 本发明实施例中的目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征。具体地，利用以下公式表示目标谱形状描述符：[0064][0065] 其中，xj为目标形状模型表面上的任意顶点；λi为特征值矩阵Λ＝[0066] {λ1,λ2,...,λn}的第i个特征值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数。[0067] 需要说明的是，本发明实施例移除了参数λ0，因为它是一个不包含任何信息的常数函数。由此，BKS*将的无限维向量转化为有限维向量，以更稳健和更有效的方式理解模型的特征。因此，只要基于LB算子求得它的特征对，根据实际问题确定特征对个数，即可通过(1)式，实现从BKS到BKS*的特征向量映射，即：[0068][0069] 由此，实现获取目标形状模型表面上任意顶点的内蕴和几何特征。本发明实施例通过特征函数和特征值的平方求和运算，消除了对特征函数阶数和特征值符号的敏感性，加强了算子本身的鲁棒性。[0070] 步骤S102，确定表征目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数。[0071] 在微分几何中，连续曲面上的高斯曲率计算方法并不适用三维模型。因此，本发明实施例基于Voronoi面积计算方法，采用离散曲率概念对模型顶点上的高斯曲率进行求解。具体地，基于离散曲率原理对目标形状模型任意顶点的曲面弯曲程度进行计算，高斯曲率函数的表示公式如下：[0072][0073] 其中，AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0074] 如图2所示，为顶点xj的一环邻域的结构示意图。其中，θi为三角形边xjxi和边xjxi+1的夹角。可以理解的是，曲率作为最重要的微分几何性质之一，可以反映曲面上点与其相邻点之间的位置关系，并描述模型复杂曲面的性质，是测量曲面弯曲程度的数值。高斯曲率的值只依赖于表面上的固有测度，与空间中嵌入的表面无关，因此高斯曲率作为一个内在不变量，在形状经历位姿变化时保持稳定，并且在物体关节的大多数点上是等距不变和稳定的。[0075] 步骤S103，针对待匹配形状，构建基于目标谱形状描述符和高斯曲率函数的特征融合描述符。[0076] 具体地，利用以下公式表示特征融合描述符：[0077][0078] 其中，xj为目标形状模型表面上的任意顶点；BKS*(xj)为在目标形状模型表面任意顶点xj的内蕴特征；G(xj)为在目标形状模型表面任意顶点的高斯曲率；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个特征值； 为对应的特征函数； 为特征函数在点处的特征函数值；n为LB算子谱分解生成的特征值个数；AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0079] 本发明实施例中，当基于BKS*描述符描述模型时，对于拓扑结构相对简单的形状描述性能较好，但对于复杂的拓扑结构模型，不同语义区域之间的差异不显著，并且存在一些特征干扰，影响算子的匹配性能。在此基础上，本发明实施例将形状的高斯曲率信息聚合到BKS*描述符中，以使其与其他类别的对象更容易区分。在机器学习中，特征的融合可以提高个体特征的判别能力，因此本发明实施例采用更有效和通用的策略，将两个特征的值相加，形成组合特征描述符，该描述符将高斯曲率信息与局部表面几何属性集成到BKS*描述符中，同时保留了模型的固有属性。[0080] 步骤S104，对特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符。[0081] 需要说明的是，本发明实施例中的BKS*(x)和G(x)具有不同的性质，其值也不同，当直接使用原始数据进行分析时，较大的变量在IBKS描述符中的绝对作用将更加突出和重要，而较小的变量可能显得不重要。因此，为了使数据标准化，保证结果的可靠性，本发明实施例需要对原始变量进行标准化。具体地，本发明实施例采用了最大差分归一化方法对目标谱形状描述符和高斯曲率函数进行处理，使作用在模型上的方向一致，模型特征描述结果更具可比性。[0082] 具体地，利用最大差分归一化方法对目标谱形状描述符和高斯曲率函数进行处理，公式如下：[0083][0084] 其中，IBKS(x)为目标特征融合描述符；m为目标形状模型上的采样点个数；采样点x∈M；G(x)为在目标形状模型表面采样点上的高斯曲率；max(GM)为在目标形状模型表面全部采样点上的最大高斯曲率；min(GM)为在目标形状模型表面全部采样点上的最小高斯曲* *率；BKS(x)为在目标形状模型表面采样点上的内蕴特征；max(BKS M)为在目标形状模型表*面全部采样点上的最大值；min(BKSM)为在目标形状模型表面全部采样点上的最小值。[0085] 上述公式(4)表明，IBKS描述符是BKS*和高斯曲率值的简单线性组合，可以进一步看作是曲面到大小为m*1的有限维空间的映射函数。其中，m表示模型上采样点个数，所有采样点x∈M的映射称为模型表面的IBKS嵌入。需要说明的是，BKS*特征分量可以有效反映模型的内在属性，高斯曲率分量可以显示模型局部几何形状变化的程度。本发明实施例提出的融合方法增强了算子对复杂曲面模型的综合描述性能，对非刚性变换具有良好的稳定性，使得模型不同语义区域分割效果更好。[0086] 步骤S105，利用目标特征融合描述符对目标形状模型进行形状特征描述，得到模型特征数据。[0087] 本发明实施例中，在利用目标特征融合描述符对目标形状模型进行形状特征描述之前，还可以绘制特征融合描述符对应的特征热力图；基于特征热力图分析最小特征函数对的选择对于特征融合描述符的特征描述性能的影响，以得到特征融合描述符所需的最小特征函数对值。[0088][0089] 需要说明的是，如式(5)所示，本发明实施例中的目标形状模型M上点x处的高斯曲2率值是确定的，因此IBKS描述符的值主要受BKS*的影响。BKS*坐标的依赖性为1/λi ，也就是说，算子的性能和计算速度主要取决于特征函数的取值。由于模型信息主要由BKS*描述符中的低频特征函数(小特征值)决定，本发明实施例通过实验验证了使用最少的k个特征对达到与原始算子相同的特征描述效果。对于形状匹配和形状检索来说，提取的模型顶点数从几千到几万不等，若使用少量的特征函数即可有效地表达模型的特征，无疑是事半功倍的，可以大大减少特征提取的时间，提高相似性比较的效率。具体地，本发明实施例分析和讨论了特征函数个数的选择问题，以保证描述符的紧凑性和高效性，主要从特征热力图和模型特征曲线的角度研究了算子中的最小k值。通过绘制IBKS的特征热力图作为特征函数的函数，并分析了最小特征函数对的选择及其对IBKS嵌入的影响。具体基于如下方式对热力图进行构建：基于IBKS特征向量，设定形状上的M个顶点以及M个颜色值和SIMHW特征向量中的M个值一一对应，则IBKSj的每个值控制着顶点xj的每个值。通过实验得到，在所有情况下，前9个特征函数对足以捕获IBKS的所有属性特征，对于所有λ≥λi＝9的相同形状都能获得最佳的特征描述性能。具体地，特征热力图用于估计特征函数对的数量，本发明实施例取特征值个数k＝100，选择不同的特征数i，得到同一模型不同的特征能量分布，结果表明，i＝9可以作为特征函数的最小数量对形状进行一致表示。另外，本发明实施例还对含有不同特征函数对的IBKS算子的特征曲线进行比较，结论也表明，当i＝9时，特征曲线之间的差异非常。负蹩梢酝耆哺瞧渌康奶卣骱。[0090] 在根据实际问题确定特征对个数后，即可根据目标特征融合描述符对标形状模型进行形状特征描述，得到模型特征数据。进一步地，本发明实施例还可以利用BOF特征编码技术将多个目标形状模型的模型特征数据转换为具有相同特征维数的模型特征向量；基于模型特征向量，利用欧几里得距离计算方法计算各目标形状模型之间的相似度，以进行形状匹配和/或形状检索。[0091] 随着特征袋(Bag?of?Features,BoF)范式的流行，提出将局部描述符编码为形状的全局表示，从而消除每个描述符的局部依赖性。因此，本发明实施例使用BoF框架可以获得高效的基于视词表示的形状特征。具体地，本发明实施例可以将具有不同形变的同类以及不同类形状转换为具有相同特征维数的直方图进行模型之间的相似性比较，进而实现形状的有效匹配和形状检索。[0092] 本发明实施例提供了一种非刚性三维形状描述方法，构建基于BKS标度特征函数和特征值线性组合的向量目标谱形状描述符；目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；以及，确定表征目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；针对待匹配形状，构建基于目标谱形状描述符和高斯曲率函数的特征融合描述符；对特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；利用目标特征融合描述符对目标形状模型进行形状特征描述，得到模型特征数据。由此，本发明实施例基于LB算子和BKS描述符，提出了一种新的高效且紧凑的不变量，称为改进的双调和核签名(IBKS)。该算法通过BKS的若干标度特征值和特征函数的线性组合以及高斯曲率来提取形状的局部信息。与其他形状描述符相比，本发明对拓扑、噪声和采样变换具有鲁棒性，对缩放和等距变换具有不变性，可以在不同姿态和干扰下实现简单高效的非刚性三维形状表征。同时，该算法在McGill和SHREC2015数据集上具有良好的形状匹配和形状检索性能。进一步地，本发明探索了IBKS描述符的紧凑表示形式，其目的在于可以找到详细描述模型特征的最小特征函数对(k＝9)。该方法利用形状固有的结构和几何特性，高效、紧凑地组织形状信息，极大地简化了形状特征提取的时间，有效地提高了算子的表征性能。可将n×k的特征矩阵变换为更有效、简洁的n×1的特征向量，大大降低了特征维数，加快了模型相似度计算和比较的速度。另外，本发明巧妙地结合了BKS*和曲率信息，进一步增强了模型在关节处的特征表示，使不同类别模型之间的差异更加显著。BoF技术还可以有效地将不同数据集上不同维数的局部特征编码为特征维数一致的全局描述符，该技术的应用既保持了对形状局部细节的描述能力，又能快速高效地计算形状之间的相似度，准确稳定地实现形状的匹配与检索。[0093] 进一步地，作为图1的具体实现，本发明实施例提供了一种非刚性三维形状描述装置，如图3所示，该装置可以包括：特征构建模块310、函数确定模块320、变量融合模块330、数据处理模块340以及特征描述模块350。[0094] 特征构建模块310，可以用于构建基于BKS标度特征函数和特征值向量的目标谱形状描述符；目标谱形状描述符用于获取目标形状模型表面上任意顶点的内蕴和几何特征；[0095] 函数确定模块320，可以用于确定表征目标形状模型表面上任意顶点的曲面弯曲程度的高斯曲率函数；[0096] 变量融合模块330，可以用于针对待匹配形状，构建基于目标谱形状描述符和高斯曲率函数的特征融合描述符；[0097] 数据处理模块340，可以用于对特征融合描述符中的原始变量进行标准化处理，得到目标特征融合描述符；[0098] 特征描述模块350，可以用于利用目标特征融合描述符对目标形状模型进行形状特征描述，得到模型特征数据。[0099] 可选地，如图4所示，本发明另一实施例提供的一种非刚性三维形状描述装置，还包括：参数确定模块360以及形状匹配模块370。[0100] 参数确定模块360，可以用于绘制特征融合描述符对应的特征热力图；基于特征热力图分析最小特征函数对的选择对于特征融合描述符的特征描述性能的影响，以得到特征融合描述符所需的最小特征函数对值。[0101] 形状匹配模块370，可以用于利用BOF特征编码技术将多个目标形状模型的模型特征数据转换为具有相同特征维数的模型特征向量；基于模型特征向量，利用欧几里得距离计算方法计算各目标形状模型之间的相似度，以进行形状匹配和/或形状检索。[0102] 可选地，特征构建模块310，还可以用于利用以下公式表示目标谱形状描述符：[0103][0104] 其中，xj为目标形状模型表面上的任意顶点；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数。[0105] 可选地，函数确定模块320，还可以用于基于离散曲率原理对目标形状模型任意顶点的曲面弯曲程度进行计算，高斯曲率函数的表示公式如下：[0106][0107] 其中，AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0108] 可选地，变量融合模块330，还可以用于利用以下公式表示特征融合描述符：[0109][0110] 其中，xj为目标形状模型表面上的任意顶点；BKS*(xj)为在目标形状模型表面任意顶点xj的内蕴特征；G(xj)为在目标形状模型表面任意顶点的高斯曲率；；λi为特征值矩阵Λ＝{λ1,λ2,...,λn}的第i个值； 为对应的特征函数； 为特征函数在xj点处的特征函数值；n为LB算子谱分解生成的特征值个数；AM为包含顶点的所有三角形的投影面积总和；θi为三角形以xj为顶点的相邻两边的夹角；N(j)表示顶点xj的一环邻域。[0111] 可选地，数据处理模块340，还可以用于利用最大差分归一化方法对目标谱形状描述符和高斯曲率函数进行处理，公式如下：[0112][0113] 其中，IBKS(x)为目标特征融合描述符；m为目标形状模型上的采样点个数；采样点x∈M；G(x)为在目标形状模型表面采样点上的高斯曲率；max(GM)为在目标形状模型表面全部采样点上的最大高斯曲率；min(GM)为在目标形状模型表面全部采样点上的最小高斯曲* *率；BKS(x)为在目标形状模型表面采样点上的内蕴特征；max(BKS M)为在目标形状模型表*面全部采样点上的最大值；min(BKSM)为在目标形状模型表面全部采样点上的最小值。[0114] 需要说明的是，本发明实施例提供的一种非刚性三维形状描述装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。[0115] 基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述的非刚性三维形状描述方法的步骤。[0116] 基于上述如图1所示方法和如图4所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备可以包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例所述的非刚性三维形状描述方法的步骤。[0117] 所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。[0118] 另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。[0119] 本领域普通技术人员可以理解：所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)，磁碟或者光盘等各种可以存储程序代码的介质。[0120] 或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。[0121] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。

专利地区：青海

专利申请日期：2024-02-02

专利公开日期：2024-10-22

专利公告号：CN117972632B