CN107066547A - 一种基于lire的三维模型检索方法 - Google Patents
一种基于lire的三维模型检索方法 Download PDFInfo
- Publication number
- CN107066547A CN107066547A CN201710166488.9A CN201710166488A CN107066547A CN 107066547 A CN107066547 A CN 107066547A CN 201710166488 A CN201710166488 A CN 201710166488A CN 107066547 A CN107066547 A CN 107066547A
- Authority
- CN
- China
- Prior art keywords
- threedimensional model
- model
- picture
- lire
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于LIRE的三维模型检索方法,所述方法包括以下步骤:利用基于openGL开发的程序,从数据库三维模型中提取各个视角图片;利用LIRE创建基于图像特性的Lucene索引,获得与该图片相似度最大的前50张图片的索引项;统计检索各个视角图片的检索结果;将检索结果中出现的三维模型按照权重从小到大排序,权重最小的三维模型表示与要检索的三维模型相似度最高,以此类推,权重越小表示相似度越高。本发明在保证检索速度的同时,有效的提高了三维模型检索的查准率和查全率。
Description
技术领域
本发明涉及三维模型检索领域,尤其涉及一种基于LIRE(Lucene ImageRetrieval,基 于Lucene检索引擎的图片检索***)的三维模型检索方法。
背景技术
近几年,随着计算机硬件的快速发展以及三维扫描技术的提高,三维模型不仅在科研、 工业和医学中得到广泛应用,在生活中也随处可见,甚至一些购物网站推出三维试衣间, 三维电视也即将进入市场。市场对三维模型应用需求不断扩大,用户对模型设计和实现的 速度和质量都提出了更高的要求。同时随着三维数据获取技术、三维图形建模方法及图形 硬件技术的发展,已经产生了越来越多的三维物体模型库,如虚拟现实环境(virtualreality)、 三维游戏(3Dgame)、工业实体CAD模型库等等。此外,在生物、化学、考古学以及地理 学等多个领域,三维数据模型库也已经越来越普遍,在互联网上,也涌现出越来越多的三 维模型库[1]。
三维模型与二维图像相比,三维模型更适用于人类的视觉感知和思维模式,但是建立 精确、逼真的三维模型却比二维图像费时费力。为了简化建模过程,可以在已有的相似模 型的基础上重建模。但是,随着三维模型的增多,在庞大的数据库查找所需模型将变得非 常困难[2]。因此研究三维模型检索技术(Content-based 3D Retrieva1),帮助用户快速准确地 获取符合设计意图的三维模型,实现资源重用,成为当前研究的热点[3]。
三维模型的检索方式同其他的多媒体数据检索技术一样,主要分为基于文本的检索和 基于内容的检索。基于文本的检索方式把模型作为数据库中存储的一个对象,用关键字或 文本对模型进行描述。在模型的存储路径和模型的关键字之间建立联系,关键字选取具有 很大的主观性和片面性,而且可靠性和效率都不高,面对目前三维模型数量越来越多以及 互联网搜索引擎规模与复杂性日益增强的情况,显然难以胜任。20世纪90年代初,为适 应图像、视频等二维多媒体信息检索的需要,基于内容的多媒体检索技术应运而生,并很 快在理论研究和实际应用中得到快速发展[4,5]。
基于内容的三维模型检索技术是利用机器自动提取并计算三维模型的内在特征,如形 状、拓扑关系、模型表面信息等,通过对待查询模型和目标模型特征之间的相似性匹配 来自动建立特征检索索引,实现对三维模型数据库的浏览和检索。这种方法有人工干预少、 贴近直觉、检索准确率高的特点,基于内容的三维模型检索过程如图1所示。
同时基于内容的三维模型检索技术又可以分为三大类:(1)基于形状的检索技术;(2) 基于拓扑结构的检索技术;(3)基于图像比较的检索技术[6]。基于内容的图像检索相比较基 于文本的图像检索,检索速度有所下降。因为需要考虑图像的旋转不变形和尺度不变性等, 技术也更加的复杂,实现难度更大。
发明内容
本发明提供了一种基于LIRE的三维模型检索方法,本发明在保证检索速度的同时, 有效的提高了三维模型检索的查准率和查全率,详见下文描述:
一种基于LIRE的三维模型检索方法,所述方法包括以下步骤:
利用基于openGL开发的程序,从数据库三维模型中提取各个视角图片;
利用LIRE创建基于图像特性的Lucene索引,获得与该图片相似度最大的前50张图片的索引项;
统计检索各个视角图片的检索结果;
将检索结果中出现的三维模型按照权重从小到大排序,权重最小的三维模型表示与要 检索的三维模型相似度最高,以此类推,权重越小表示相似度越高。
其中,所述方法使用的是PHOG特征,每张图片对应一个索引项,索引项包含有如下信息:由PHOG特征计算出来的特征值、该图片所属的三维模型信息。
所述统计检索各个视角图片的检索结果的步骤具体为:
按照相似度给予索引项权重,越相似的索引项权重值越小;统计检索出的所有索引项, 每个三维模型的索引项进行权重加和。
本发明提供的技术方案的有益效果是:
1、有效避免了相似模型的不同类型之间的干扰,具有很好的检索查准率和查全率;
2、利用了LIRE检索框架,并在此之上进行改进,检索速度较其他三维模型检索*** 有较大的提高。
附图说明
图1是基于内容的三维模型检索***框架图;
图2是一种基于LIRE的三维模型检索方法的流程图;
图3是检索的三维模型;
图4为从三维模型中提取出来的各个视角的图片;
图5为三维模型检索结果的示意图。
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,下面对本发明实施方式作进一步地详 细描述。
实施例1
本发明实施例提供了一种基于LIRE的三维模型检索方法,参见图2,该方法包括以下 步骤:
101:利用基于openGL(Open Graphics Library,开放图形库)开发的程序,从数据库 三维模型中提取各个视角图片;
其中,数据库三维模型可以为OBJ(三维模型文件格式)文件,每个三维模型可以提取12张,具体实现时,本发明实施例对文件的类型、以及提取的张数不做限制,根据实 际应用中的需要进行设定。
102:利用LIRE创建基于图像特性的Lucene(一种开放源代码的全文检索引擎工具包) 索引,获得与该图片相似度最大的前50张图片的索引项;
其中,本发明实施例所使用的是PHOG(Pyramid Histogram of OrientedGradients,分 层梯度方向直方图)特征,每张图片对应一个索引项,索引项中包含有如下信息:由PHOG 特征计算出来的特征值、该图片所属的三维模型信息。
103:统计检索各个视角图片的检索结果;
其中,每张图片对应50个最相似的索引项。按照相似度给予索引项权重,越相似的索引项权重值越小。统计检索出的所有索引项,每个三维模型的索引项进行权重加和。
104:将检索结果中出现的三维模型按照权重从小到大排序,权重最小的三维模型表 示与要检索的三维模型相似度最高,以此类推,权重越小表示相似度越高。
综上所述,本发明实施例通过上述步骤101-步骤104在保证检索速度的同时,有效的 提高了三维模型检索的查准率和查全率。
实施例2
下面结合图3-图5对实施例1中的方案进行进一步地介绍,详见下文描述:
建立索引是利用LIRE检索框架,它是在Lucene的基础上开发出的图片检索框架。Lucene是一款非常优秀的成熟、开源且免费的纯Java语言的全文索引检索工具包。它是一个高性能、可伸缩的信息搜索库(IR Information Retrieval library)。它具有添加索引和搜索 能力。
建立索引的第一步是利用基于openGL的图片提取程序,从数据库的每个三维模型中 提取12个不同视角的图片,保存在和三维模型对应的目录下。
第二步是利用LIRE框架,提取所有图片的PHOG特征,然后建立索引项,生成索引文件。每个索引项中包含由PHOG特征计算出来的特征值以及该图片所属的三维模型等信息。
首先利用基于openGL库的程序,从三维模型中提取各个时间的图片,其原理是使三 维模型旋转不同角度,然后保存截图。参见图3,程序输入为三维模型文件(该实例为obj文件),输出为三维模型12个不同视角的图片,如图4a~4l所示。
随后,对每一张图片提取PHOG特征,然后利用LIRE(Lucene Image Retrieval)检索框 架检索数据库中与该三维模型相似的索引项,取与该图片最相似的前50个索引项,按照 相似度从大到小排序。相似度越大分配的权值越小。即假设检索结果按照相似度排序为index1~index10,则index1所代表的图片与检索图片最相似,分配的权值W1最小。
12张图片检索完毕后,一共检索出12×50个索引项,每个索引项拥有一个对应的权 值。然后对于检索结果进行统计。每个索引项代表一张图片,其中包含由PHOG特征计算出来的特征值和该图片所属的三维模型信息。对检索结果中出现的每一类三维模型的所有权值进行加和。
该实例检索结果中共出现10种三维模型,每一种三维模型对应若干索引项,对这些 索引项的权值进行加和,得到三维模型的权重。然后按照权重由小到大,对三维模型进行 排序,权值最小的三维模型,即表示与检索的三维模型相似度最大。检索结果如图5所示。 由结果可见,数据库中该种类模型共七个,全部被检索到。后面三个由于某一视角与检索 模型相似,因此也被检索出,但三维模型的权值较小排在后面。
参考文献:
[1]Min P,Halderman J A,Kazhdan M,et al.Early experiences with a 3Dmodel search engine[C]//Web3D/VRML Symposium.2003:7-ff.
[2]王慧玲.基于内容的3D模型检索概述[J].伊犁师范学院学报:自然科学版,2010(3):54-57.
[3]杨育彬,林辉,朱庆.基于内容的三维模型检索综述[J].计算机报,2004,27(10):1297-1310.
[4]卢汉清,孔维新,廖明,马颂德.基于内容的视频信号与图像库检索中的图像技术.自 动化学报,2001,21(1):56~69)
[5]杨育彬.基于内容的图像检索关键技术及其应用研究[博士学位论文].南京大学计算机 科学与技术系,南京,2003)
[6]郑伯川,彭维,张引,等.3D模型检索技术综述[J].计算机辅助设计与图形学学报,2004, 16(7):873-881.
本领域技术人员可以理解附图只是一个优选实施例的示意图,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。
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 (3)
1.一种基于LIRE的三维模型检索方法,其特征在于,所述方法包括以下步骤:
利用基于openGL开发的程序,从数据库三维模型中提取各个视角图片;
利用LIRE创建基于图像特性的Lucene索引,获得与该图片相似度最大的前50张图片的索引项;
统计检索各个视角图片的检索结果;
将检索结果中出现的三维模型按照权重从小到大排序,权重最小的三维模型表示与要检索的三维模型相似度最高,以此类推,权重越小表示相似度越高。
2.根据权利要求1所述的一种基于LIRE的三维模型检索方法,其特征在于,所述方法使用的是PHOG特征,每张图片对应一个索引项,索引项包含有如下信息:由PHOG特征计算出来的特征值、该图片所属的三维模型信息。
3.根据权利要求1所述的一种基于LIRE的三维模型检索方法,其特征在于,所述统计检索各个视角图片的检索结果的步骤具体为:
按照相似度给予索引项权重,越相似的索引项权重值越小;统计检索出的所有索引项,每个三维模型的索引项进行权重加和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710166488.9A CN107066547A (zh) | 2017-03-20 | 2017-03-20 | 一种基于lire的三维模型检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710166488.9A CN107066547A (zh) | 2017-03-20 | 2017-03-20 | 一种基于lire的三维模型检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107066547A true CN107066547A (zh) | 2017-08-18 |
Family
ID=59620212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710166488.9A Pending CN107066547A (zh) | 2017-03-20 | 2017-03-20 | 一种基于lire的三维模型检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066547A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832384A (zh) * | 2017-10-28 | 2018-03-23 | 北京安妮全版权科技发展有限公司 | 侵权检测方法、装置、存储介质和电子设备 |
CN108021928A (zh) * | 2017-11-10 | 2018-05-11 | 佛山科学技术学院 | 一种基于热核特征的三维模型相似度度量方法 |
CN110555219A (zh) * | 2018-05-31 | 2019-12-10 | 首都航天机械公司 | 一种基于图像识别的三维cad模型相似性检索***及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243139A (zh) * | 2015-10-10 | 2016-01-13 | 天津大学 | 一种基于深度学习的三维模型检索方法及其检索装置 |
-
2017
- 2017-03-20 CN CN201710166488.9A patent/CN107066547A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243139A (zh) * | 2015-10-10 | 2016-01-13 | 天津大学 | 一种基于深度学习的三维模型检索方法及其检索装置 |
Non-Patent Citations (2)
Title |
---|
LIANG LI,ET AL.: "View-Based 3D CAD Model Retrieval Using Local Visual Features", 《2011 4TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
谈朵雪,等.: "基于LIRE和Struts的CBIR***的设计与实现", 《现代计算机》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832384A (zh) * | 2017-10-28 | 2018-03-23 | 北京安妮全版权科技发展有限公司 | 侵权检测方法、装置、存储介质和电子设备 |
CN108021928A (zh) * | 2017-11-10 | 2018-05-11 | 佛山科学技术学院 | 一种基于热核特征的三维模型相似度度量方法 |
CN108021928B (zh) * | 2017-11-10 | 2023-08-25 | 佛山科学技术学院 | 一种基于热核特征的三维模型相似度度量方法 |
CN110555219A (zh) * | 2018-05-31 | 2019-12-10 | 首都航天机械公司 | 一种基于图像识别的三维cad模型相似性检索***及方法 |
CN110555219B (zh) * | 2018-05-31 | 2022-12-27 | 首都航天机械公司 | 一种基于图像识别的三维cad模型相似性检索***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | SaliencyGAN: Deep learning semisupervised salient object detection in the fog of IoT | |
Averkiou et al. | Shapesynth: Parameterizing model collections for coupled shape exploration and synthesis | |
Gomez-Donoso et al. | Lonchanet: A sliced-based cnn architecture for real-time 3d object recognition | |
CN106062827A (zh) | 3d模型比较方法和*** | |
CN107066547A (zh) | 一种基于lire的三维模型检索方法 | |
Dai et al. | Video scene segmentation using tensor-train faster-RCNN for multimedia IoT systems | |
Lokoč et al. | Using an interactive video retrieval tool for lifelog data | |
CN108537887A (zh) | 基于3d打印的草图与模型库三维视图匹配方法 | |
Lu et al. | Convolution neural network based on fusion parallel multiscale features for segmenting fractures in coal-rock images | |
CN101308500A (zh) | 基于示范表演的直观高效的三维人体运动数据检索方法 | |
Wu et al. | [Retracted] 3D Film Animation Image Acquisition and Feature Processing Based on the Latest Virtual Reconstruction Technology | |
Sun et al. | Unig3d: A unified 3d object generation dataset | |
Michael et al. | Survey of image denoising methods for medical image classification | |
Abdari et al. | Metaverse Retrieval: Finding the Best Metaverse Environment via Language | |
CN105868324B (zh) | 一种基于隐含状态模型的多视角目标检索方法 | |
Ning et al. | Attention-based multi-scale transfer ResNet for skull fracture image classification | |
CN113763244B (zh) | 一种诊断智能泵腔体故障的内窥镜图像超分辨率重建方法 | |
Gao et al. | Representative views re-ranking for 3d model retrieval with multi-bipartite graph reinforcement model | |
CN114255328A (zh) | 一种基于单视图与深度学习的古文物三维重建方法 | |
CN109272013B (zh) | 基于学习的相似性度量方法 | |
Li et al. | Research on improving the authenticity of simulated infrared image using adversarial networks | |
Furuya et al. | Data augmentation via photo-to-sketch translation for sketch-based image retrieval | |
Ni et al. | Research on Visual Communication Page Design Theory of Multi-Source Information Fusion Using Deep Web Crawlers | |
Tan et al. | Fine-grained categorization from rgb-d images | |
Ma et al. | Deep-Learning-based Cross-Modal Luxury Microblogs Retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170818 |