本发明涉及计算机技术领域，具体为一种利用计算机多维空间的数学建模方法。
背景技术：
计算机程序的多维空间，每个进程生活在一维的地址空间中，偶尔通过如jump指令产生一维空间弯曲，导致指令的远近跳转，从而感受到了分段二维空间的存在；进程本身又可以通过虚拟内存的机制在外存中换入换出，进程自身对此一无所知，进而产生了进程执行于内外存的三维空间；进程对其何时占有处理器时间又是无法掌控的，假象上都是独占一个处理器去执行，而真正的时间片分配是由调度程序去掌控的，进而产生了基于时间片的第四维空间；每个执行序列视为进程中的一个线程，每个线程在每个时间点，将其内存数据dump出来，我们就可以观测到每个时间点的程序空间状况，这就达到了类似于电影中的五维空间；每个线程执行的过程又是具有随机性的，存在不同的可能执行状态，基于相同的执行初始条件，连接不同的执行状态，就可以创造第六维空间；而不同的初始条件也会导致同一执行序列不同的结果，进而达到第七维空间；同一服务器上的多个进程的并发执行，即第八维空间；同一服务器上的各个进程可以通过操作系统提供的进程间通信语言进行通信和连接，进而产生第九维空间；通过分布式架构，将大型应用程序的各个进程部署在分散的服务器上并行执行，而它们之间又通过消息或远程调用的方式进行通信和连接，产生了第十维空间；分布式系统通过虚拟化等方式，将分散的软硬资源进行整合，对外提供资源、平台、应用及数据等服务，整体看上去像单一模块，屏蔽了其内部复杂性，从而又回归到了单一"进程"的状态，这就是第十一维空间！
数学模型是一种模拟，使用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象简洁的刻化，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。
数学模型一般并非现实问题的直接翻板，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模。
数学建模就是通过计算机得到的结果来解决实际问题，并接受实际问题的检验，来建立数学模型的全过程。当需要从定量的角度分析和研究一个实际问题时，人们就要在伸入调查研究、了解对象信息、作出简化设计、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。
目前，对于立体物的检索，常规的是人工进行检索，先进一些的则采用计算机进行检索，其中立体物在计算机中是由多个角度的图片构成，但是检索的效率低，相似度低。
技术实现要素：
本发明的目的在于解决上述现有技术的缺陷，提供一种利用计算机多维空间的数学建模方法。
为实现上述目的，本发明提供如下技术方案：
一种利用计算机多维空间的数学建模方法，包括以下步骤：
s1：首先对立体物进行多维度的拍照，然后通过计算机采集系统采集图像并加以多维空间分析，具体分析多个维度上的图像位置、及利用图像纹理特征提取分析对图像进行基于语义的特征提取分析图像相似度，计算机采集系统包括硬件系统和软件系统，计算机采集系统根据采样定理和系统指标确定采样周期，采样周期确定后进行计算机采集系统的硬件和软件的功能分配，确定计算机采集系统的配置方案；
s2：根据预先拍照的数据由计算机采集系统进行离散处理和图像相似度进行分析；
s3：然后根据离散数据进行模型假设、确定空间维数、将多维空间的各个维度数据分别填入行列式；
s4：通过线性代数理论将行列式简化，并建立函数关系；
s5：将步骤一中的离散数据带入函数中进行校验运算；
s6：如果步骤四中校验的误差过大，则返回步骤四重新建立函数关系；
s7：如果重试达到规定次数，则返回步骤二，重新确定合适的空间维数；
s8：简化各个维度间的数学关系，使各个维度单个线性化。
优选地，所述图像纹理特征提取分析具体为灰度共生矩阵分析，是将图像的像素根据其灰度转化成数字构成的矩阵，矩阵通过其构成的向量能够进行方向、临近向量关系和灰度变化梯度的计算，实现语义信息和图像的底层相结合。
优选地，所述计算机采集系统采用微处理器芯片、单片机芯片、标准功能模板或个人计算机作为控制处理机。
优选地，所述计算机采集系统的操作界面包括：输入和修改源程序单元、显示和打印各种参数单元、工作方式的选择单元、启动和停止系统的运行单元。
优选地，所述s1中的硬件单元以计算机为中心，包含外围电路。
优选地，所述s1中的软件单元包括若干个程序模块：初始化程序模块、自检程序模块、采集程序模块、数据处理程序模块、打印和显示程序模块、打印报警程序模块和调试模块。
与现有技术相比，本发明的有益效果：
1、本发明通过计算机采集系统采集图像，并利用图像纹理特征提取分析对图像进行基于语义的特征提取，实现语义信息和图像的底层相结合，然后采用相关的反馈技术进行传递图像间的语义信息，获得更加准确的语义信息，检索的效率高，相似度高，有效的解决了传统检索的效率低，相似度低的问题。
具体实施方式
对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种技术方案：一种利用计算机多维空间的数学建模方法，包括以下步骤：s1：首先对立体物进行多维度的拍照，然后通过计算机采集系统采集图像并加以多维空间分析，具体分析多个维度上的图像位置、及利用图像纹理特征提取分析对图像进行基于语义的特征提取分析图像相似度，计算机采集系统包括硬件系统和软件系统，计算机采集系统根据采样定理和系统指标确定采样周期，采样周期确定后进行计算机采集系统的硬件和软件的功能分配，确定计算机采集系统的配置方案；硬件单元以计算机为中心，包含外围电路；软件单元包括若干个程序模块：初始化程序模块、自检程序模块、采集程序模块、数据处理程序模块、打印和显示程序模块、打印报警程序模块和调试模块；
s2：根据预先拍照的数据由计算机采集系统进行离散处理和图像相似度进行分析；
s3：然后根据离散数据进行模型假设、确定空间维数、将多维空间的各个维度数据分别填入行列式；
s4：通过线性代数理论将行列式简化，并建立函数关系；
s5：将步骤一中的离散数据带入函数中进行校验运算；
s6：如果步骤四中校验的误差过大，则返回步骤四重新建立函数关系；
s7：如果重试达到规定次数，则返回步骤二，重新确定合适的空间维数；
s8：简化各个维度间的数学关系，使各个维度单个线性化。
所述图像纹理特征提取分析具体为灰度共生矩阵分析，是将图像的像素根据其灰度转化成数字构成的矩阵，矩阵通过其构成的向量能够进行方向、临近向量关系和灰度变化梯度的计算，实现语义信息和图像的底层相结合；灰度共生矩阵分析的分析过程中主要使用5个特征值进行纹理提取和分析：
纹理能量：
纹理对比度：
纹理相关性：
纹理熵：
纹理逆差矩：
其中：
为了保证处理的效果，在构建灰度共生矩阵的同时，首先对矩阵内的像素灰度进行如下归一化操作：
由于拍摄的照片噪声的不可预测性和边缘的多样性，单一的结构元素不能很好地提取复杂图像的边缘特征，多结构元素的检测算法能够尽可能多地覆盖照片中的边缘，检测出不同方向的边缘特征。同时，由于低尺度的结构元素容易受到噪声的影响，高尺度的结构元素可以去燥但会损失大量的细节信息，最大限度的保留图像边缘细节信息，具体的采用多尺度多结构形态边缘检测表达式：
结构元素se1选取3*3的方形结构元素，se2选取5*5的方形结构元素，运用se1和se2对照片进行交替开闭运算，可以实现平滑照片且去除噪声。
图像纹理特征提取分析中采用图像纹理的能量、纹理熵、纹理对比度、纹理相关性和纹理逆差矩作为联合特征向量，特征空间维度为5。在加上照片是由于对立体物进行多维度的拍照所得，可以使得检索的效率更高，相似度更高。所述计算机采集系统采用微处理器芯片、单片机芯片、标准功能模板或个人计算机作为控制处理机；所述计算机采集系统的操作界面包括：输入和修改源程序单元、显示和打印各种参数单元、工作方式的选择单元、启动和停止系统的运行单元。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。