分布向量，0 ^表示模型M的第i个文档的主题分布 向量，t表示M中的文档数目。
[0112] 206 :计算Q和M的主题分布向量在欧式空间内的距离Dqm;
[0113]
[0114] 其中，9 〇和9M分别表不3D模型Q和M的主题分布向量。
[0115] 207 :选取3D模型库中的下一个比较模型M，重复上述步骤203至步骤206,直至遍 历模型库中的所有模型；
[0116] 208 :将Q与3D模型库中所有模型的欧式距离升序排列，得到最终的检索结果。
[0117] 综上所述，本发明实施例通过上述步骤201至步骤208克服了LDA主题模型忽略 了空间信息的缺点，提高了检索性能，满足了实际应用中的多种需要。
[0118] 实施例3
[0119] 下面结合具体的实例、图6和图7,对实施例1和2中的方案进行实验验证，详见下 文描述：
[0120] -、数据库：
[0121] 本实验使用实施例1和2中构建的数据库进行实验，共包含分属于61类的505个 真实3D模型。当模型转动一周时，三个Kinect摄像机分别置于距可旋转工作台30厘米， 与水平面夹角为0°、45°和90°处均匀拍摄36张彩色视图，故每个3D模型共有108张视 图，每张图片的分辨率为640*480。
[0122] 二、对比实验：
[0123] 最近邻算法NN(NearestNeighbor)[18]通过计算不同物体的视图特征在欧式空间 内的距离，按照距离大小进行排序进而得到物体间的相似度完成3D模型检索。
[0124] 豪斯多夫距离算法HAUS(HaUSdorff)[19]在提供3D模型物体的一系列二维视图 并提取特征的情况下，根据不同物体在欧式空间内最近点的最大距离计算两个物体的相似 度，根据豪斯多夫距离的大小判断它们是否属于同类物体。
[0125] GaoY等人提出的WBGM(WeightedBipartiteGraphMatching) [2°]米用多视角 2D 视图来表示3D模型，对每个2D视图提取Zernike矩来进行视觉特征描述，从而构建3D模 型数据库的特征表示。其次，研究了三维模型的代表性视图提取方法，采用层次化聚类方法 对视图集进行聚类，并提取代表性视图来区分不同3D模型。再次，重点研究和实现了最大 权二分图匹配，利用选取的代表性视图和更新后的权重构建二分图，再根据Kuhn-Munkres 算法寻找最佳匹配，并依据相似度值的大小排序，完成三维模型相似度的比较。
[0126] GaoY等人提出的CCFV(CameraConstraint-FreeView-Based3_DObject Retrieval) [21]算法认为具有相似形状的三维模型的视图应具有相似的特征分布，他们提 出利用高斯分布拟合相似物体视图集的匹配概率关系，结合正负匹配的思想通过比较两个 三维模型的概率匹配程度进而判断它们是否属于同类物体。
[0127] 三、常用评价标准：
[0128]PR曲线（PR，PrecisionRecallCurve)--又称查全查准曲线，是检测系统性能 的常用评价标准。查全率和查准率是信息检索中的标准评价方法，现已被广泛用于图像检 索中。评价一个检索系统的好坏，可以看曲线与坐标轴围成的图形的面积，面积越大，检索 能力越强大。
[0129] 最近邻（NN，NearestNeighbor)--表不第一列检索结果的正确率。
[0130] 一级查全率（FT，FirstTier)--定义为前r个结果的查全率，r是数据库中与 查询物体同类的物体总数。
[0131] 二级查全率（ST，SecondTier)--定义为前2r个结果的查全率，r是数据库中 与查询物体同类的物体总数。
[0132] F值（F，FMeasure)--查准率和查全率的综合衡量。本实验中，F值根据前20 个检索结果的查准率和查全率计算得到。
[0133] 折扣累积增益（DCG，DiscountedCumulativeGain)--考虑到用户使用排序靠 后元素的可能性小，它是使得所有相关视图中前侧权重大于后侧的统计数值。
[0134] 归一化平均修正检索排序（ANMRR，AverageNormalizedModifiedRetrieval Rank)一一另一种客观评价检索性能的衡量标准，ANMRR值低表示前列搜索结果的精度高。
[0135] 四、实验结果
[0136] 同一数据库中五种算法的查准-查全曲线比较结果如图6所示，其它评测标准比 较结果如图7所示。查准-查全曲线与横纵坐标所围面积越大，代表检索性能越优良。其 它评测标准除ANMRR值以外，数值越大检索效果越优异。
[0137] 由图6和图7所示，本方法的检索性能均高于NN、HAUS、WBGM、CCFV四种算法。这 是由于LDA模型根据3D模型的局部特征观测值构造了隐含的主题变量，用以表示观测值之 间深层的内容含义与结构联系。再加上考虑了视图的空间结构，将同一模型空间相邻的部 分视图分在同一个文档，使同一文档内的单词更大概率地属于相同主题，克服了LDA主题 模型忽略了空间信息的缺点，提高了检索性能。
[0138] 实施例4
[0139] 一种基于主题模型的3D模型检索装置，参见图8,该3D模型检索装置包括：
[0140] 第一获取模块，用于将单词内容分布和文档分布分别输入LDA主题模型，并指定 生成的主题个数，获取每个3D模型的主题分布向量；
[0141] 第二获取模块，用于选择查询模型，计算查询模型与3D模型库中其余模型之间主 题分布向量在欧式空间内的距离；
[0142] 第三获取模块，用于将欧式空间内的距离升序排列，得到最终的检索结果。
[0143] 进一步地，参见图9,该3D模型检索装置还包括：
[0144] 第四获取模块，用于在3D特征库中对所有兴趣点的SIFT特征进行K-means聚类， 获取词典，根据词典获取每个兴趣点的单词内容分布；
[0145] 生成模块，用于根据SIFT兴趣点所在视图的空间位置不同，划分为文档，生成每 个3D模型中兴趣点的文档分布。
[0146] 其中，参见图10,第四获取模块包括：
[0147] 查找子模块，用于在词典中查找距离每个视觉单词最近的聚类中心作为单词内 容；
[0148] 第一获取子模块，用于获取3D模型中每个兴趣点的单词内容分布。
[0149] 进一步地，参见图11，第一获取模块包括：
[0150] 第二获取子模块，用于获取各文档的主题分布参数、各主题的单词内容分布参数， 当条件概率最大时，通过吉普斯采样获取各3D模型中每个文档的各主题分布向量；
[0151] 第三获取子模块，用于通过每个文档的各主题分布向量获取每个3D模型的主题 分布向量。
[0152] 具体实现时，本发明实施例对上述模块、子模块的执行主体不做限制，可以为单片 机、PC机等能实现上述功能的器件。
[0153] 综上所述，本发明实施例通过上述模块、子模块克服了LDA主题模型忽略了空间 信息的缺点，提高了检索性能，满足了实际应用中的多种需要。
[0154] 本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制， 只要能完成上述功能的器件均可。
[0155] 参考文献：
[0156] [ 1]Regliff.C,CicirelloV.A.ManagingDigitalLibrariesfor Computer-AidedDesign[J].Computer-AidedDesign,2000, 32:1 19 - 132. DOI:info:doi/10. 1016/S0010-4485(99) 00095-0.
[0157] [2]YehJS,ChenDY,ChenBY,etal.Aweb-basedthree-dimensional proteinretrievalsystembymatchingvisualsimilarity[J].Bioinformati cs, 2005, 21 (13) : 3056-3057 (2).
[0158] [3]GuetatG,MaitreM,JolyL,etal.Automatic3-Dgrayscalevolume matchingandshapeanalysis[J].InformationTechnologyinBiomedicineIEEE Transactionson，2006, 10(2) : 362-376.
[0159] [4]ffongHS,MaB,YuZ,etal. 3-DHeadModelRetrievalUsingaSingleFace ViewQuery[J].MultimediaIEEETransactionson,2007,9 (5):1026-1036.
[0160] [5]唐祺.基于概率密度和轮廓线的三维模型检索研究[D].上海交通大 学，2013.
[0161] [6]张开兴，张树生，刘贤喜.三维CAD模型检索技术研究现状与发展分析[J]. 农业机械学报，2013, 44 (7) : 256-263.D01:10. 6041/j.issn. 1000-1298. 2013. 07. 044.
[0162] [7]杨育彬，林珲，朱庆.基于内容的三维模型检索综述[J].计算机学 报，2004, 27(10) : 1297-1310.D01:10. 3321/j.issn:0254-4164. 2004. 10. 001.
[0163