稀疏低秩特征表达的三维模型共分割方法与流程

技术特征：

1.一种稀疏低秩特征表达的三维模型共分割方法，其特征在于，包括：

针对三维模型类别中的各三维模型进行预分割，得到各三维模型的三维模型面片块；

对各三维模型的三维模型面片块分别进行直方图构建，得到各三维模型的面片块特征向量；

对各三维模型的面片块特征向量进行稀疏低秩表达的处理，得到各三维模型的表达系数和表达误差；

根据各三维模型的表达系数和表达误差，确定各三维模型的信任表达系数；

对各三维模型的信任表达系数进行聚类，以对各三维模型分别进行共分割。

2.根据权利要求1所述的方法，其特征在于，所述针对三维模型类别中的各三维模型进行预分割，得到各三维模型的三维模型面片块，包括：

针对三维模型类别中的每一个三维模型，获取每一个三维模型的基本几何特征组合；

采用NCuts算法分别对每一个三维模型的基本几何特征组合进行预分割，确定每一个三维模型的三维模型面片块。

3.根据权利要求2所述的方法，其特征在于，所述基本几何特征组合中包括以下特征：法向量、几何坐标；

每一个三维模型的三维模型面片块的块数为50个。

4.根据权利要求1所述的方法，其特征在于，所述对各三维模型的三维模型面片块分别进行直方图构建，得到各三维模型的面片块特征向量，包括：

对每一个三维模型的每一个三维模型面片块进行几何特征值计算，确定每一个三维模型的每一个三维模型面片块的三角面片特征值组合，三角面片特征值组合中包括至少一个三角面片特征值；

对每一个三维模型的每一个三维模型面片块的三角面片特征值组合，分别进行直方图构建，以确定每一个三维模型的每一个三维模型面片块的特征直方图；

对每一个三维模型的所有三维模型面片块的特征直方图进行排列，确定每一个三维模型的面片块特征向量。

5.根据权利要求4所述的方法，其特征在于，三角面片特征值组合中包括形状直径函数SDF值、内侧面距离DMS值、平均测地线距离AGD值、形状上下文SC值。

6.根据权利要求1所述的方法，其特征在于，所述对各三维模型的面片块特征向量进行稀疏低秩表达的处理，得到各三维模型的表达系数和表达误差，包括：

根据三维模型的面片块特征向量，构建模型的面片块特征向量矩阵D_i＝D_kZ_ki+E_ki，其中，D_k为模型k的面片块特征向量矩阵，Z_ki为表达系数，E_ki为表达误差，i∈[1,n]，k∈[1,n]，i、n、k为正整数；

构建稀疏低秩约束条件其中，Z_ki≥0，ZZ_k为以模型k为字典去表达所有模型的表达系数集合，且ZZ_k＝{Z_k1,Z_k2,...,Z_kn}，||.||_*表示矩阵核范数，||.||_*为矩阵特征值加和，||.||_2,1表示l_2,1范数，np表示每个模型中的三维模型面片块的块数，Z_ki(*,j)表示Z_ki的第j列，||.||_1,1表示l_1,1范数，||E||_1,1＝∑_i,j|E_i,j|，i、j分别为矩阵E的行数与列数，j∈[1,n*np]，j、np为正整数，α、λ为平衡权重因子；

根据每一个模型的面片块特征向量矩阵以及所述稀疏低秩约束条件，确定求解公式其中，D_i＝D_kR_ki+E_ki，Z_ki＝S_ki，Z_ki＝R_ki，S_ki≥0，R_ki≥0；

对所述求解公式进行求解，得到每一个三维模型的各表达系数Z_ki和各表达误差E_ki。

7.根据权利要求6所述的方法，其特征在于，对所述求解公式进行求解，得到每一个三维模型的各表达系数Z_ki和各表达误差E_ki，包括：

采用增强拉格朗日乘数ALM方法对所述求解公式进行求解，得到每一个三维模型的各表达系数Z_ki和各表达误差E_ki。

8.根据权利要求1所述的方法，其特征在于，所述根据各三维模型的表达系数和表达误差，确定各三维模型的信任表达系数，包括：

对每一个三维模型的所有表达误差进行归一化处理，得到每一个三维模型的归一化后的表达误差EE_i＝{E_i1,E_i2,...,E_in}，其中，i∈[1,n]，i、n为正整数；

根据每一个三维模型的归一化后的所有表达误差，确定每一个三维模型的误差和其中，i∈[1,n]，j∈[1,n*np]，j、np为正整数；

对每一个三维模型的所有误差和进行归一化处理，得到每一个三维模型的各权重值NSE_i；

根据每一个三维模型的各权重值NSE_i和表达系数集合ZZ_i，确定每一个三维模型的各信任表达系数其中，β为控制参数。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述对各三维模型的信任表达系数进行聚类，以对各三维模型分别进行共分割，包括：

采用K-means方法对所有三维模型的信任表达系数进行聚类，得到每一个三维模型的共分割结果。

10.根据权利要求1-8任一项所述的方法，其特征在于，在所述对各三维模型的信任表达系数进行聚类，以对各三维模型分别进行共分割之后，还包括：

采用模糊切割Fuzzy Cuts方法对每一个三维模型的共分割结果进行边界平滑和优化的处理，确定每一个三维模型的优化后的共分割结果。