一种基于nmf的三维模型分类方法
【技术领域】
[0001] 本发明涉及计算机图像处理和计算机图形学技术领域，特别是基于NMF(非负矩 阵分解，Nonnegtive Matrix Factorization)的三维模型分类方法。
【背景技术】
[0002] 近年来，随着强大建模软件和三维采集设备可用性的日益提高，数字几何模型 资源在快速的增长，资源库的规模变得越发庞大、同时包含的内容也变得越发丰富（如 Trimble/Google 3D warehouse, Turbosquid等数据库中都包含着十几万甚至上百万的数 字几何模型），合理重复利用这些丰富的数字几何资源蕴藏着巨大的应用价值。
[0003] 对于资源有效重利用的一个重要前提应是对模型集进行合理化的组织分类，以便 用户更好的理解和使用库中所包含的模型。传统的模型集组织分类方法多采用有监督、半 监督或无监督的机器学习方法来完成，但这些方法多以计算机为中心，只对库内模型进行 底层操作一一即根据低层特征对模型集进行分类组织，用户很少参与到分类过程中，并对 分类结果很少有直观的了解，这就使得用户很难深层次的理解模型集的组织构造情况，因 此导致资源的有效重利用受阻。尤其是在模型集急剧增长，所包含种类越发繁多的大背景 下，采用上述传统方法将越来越难以胜任相关工作。
[0004] 更具前景的模型集组织分类方式应是使用户和计算机协同工作并分别发挥各自 的优势，在用户意图的驱动下对模型集进行动态分类组织，并能够将分类结果清晰的呈现 给用户，以便用户在对模型集直观了解的情况下，通过基于浏览的探索式搜索获取其所需 资源。然而该类方法仍然面临着两大问题：采取何种方法来表示三维模型的代表向量和如 何来对三维向量进行可视化显示与交互分类。
【发明内容】
[0005] 发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于 NMF的三维模型分类方法。
[0006] 技术方案：为了解决上述技术问题，本发明公开了一种基于NMF的三维模型分类 方法，该方法对三维模型集进行半监督分类，包括以下步骤：
[0007] 步骤1，输入三维模型集，对输入的三维模型集进行特征计算得到NMF初始输入矩 阵及三维模型集的NMF初始分类结果，其中三维模型集中的三维模型是包含网格点的三维 坐标以及网格点的三角关系的三角网格模型；
[0008] 步骤2,对三维模型集进行可视化呈现，以便于用户浏览数据集以及后续修改，其 中可视化是提供可视化界面窗口供用户后续的操作；本发明基于已有的分类标注信息对先 进的t-SNE可视化技术进行了改进，并为便于用户浏览模型集以及后续的操作，设计实现 了针对三维模型集的可视化分析原型系统，这也是首次通过提供可视化并加入操作引入到 三维模型分类；
[0009] 步骤3,设计面向三维模型集的可交互NMF方法，根据能量方程，实现基于用户驱 动的三维模型集动态分类，其中可交互NMF方法分别为操作分裂与合并方法。
[0010] 本发明步骤1中利用计算机能够从特征分析的角度来理解模型所包含的几何信 息，并采用简单有效的方法来区别模型集类内相似性和类间差异性，进而完成模型集稳定 的预分类，具体步骤为：
[0011] 步骤1-1，构建三维模型集的词袋模型BOW (Bag of words model词袋模型）特征， 得到NMF初始输入矩阵；
[0012] 步骤1-2,利用NMF完成对三维模型集的预分类计算，得到三维模型集的初始分类 结果。
[0013] 步骤1-1包括如下步骤：
[0014] 步骤1-1-1，三维模型集HKS计算：利用多尺度扩散热核HKS (Heat Kernel Signature)方法对输入三维模型集每个网格点进行特征计算，得到HKS描述符，以表示三 维模型集的局部特征信息；
[0015] 步骤1-1-2,矢量量化：通过k-means (硬聚类算法）聚类三维模型集的HKS描述 符计算得到相应的单词表（geometric words);
[0016] 步骤1-1-3,通过统计构建三维模型集中各三维模型的对应单词表的概率分布，获 得各三维模型的词袋模型B0W特征，同时利用计算出的B0W特征得到NMF的输入矩阵V，即 三维模型集特征矩阵。
[0017] 本发明步骤2中开发了一面向三维模型集的可视化分析系统，能够为用户在视觉 空间内提供清晰的可视化呈现模式来展示模型集的组织情况，进而能够使用户和机器更好 的合作，利用各自特有的能力，去获得更为有效的分类结果，具体包括以下步骤：
[0018] 步骤 2-1，通过 t_SNE 方法（t-Distributed Stochastic Neighbor Embeddingt 分 布随机邻居嵌入算法）完成将各三维模型的词袋模型BOW特征从高维空间到二维平面的转 换；
[0019] 步骤2-2,加入三维模型集的可视化界面，将t-SNE转化投影结果予以显示从而 完成输入三维模型集的可视化显示，同时对各模型的投影点利用NMF初始分类结果进行对 应标记，完成可视化显示，用于后续的操作，可视化界面窗口包含辅助浏览窗口和可视化区 域，其中辅助浏览窗口区域的三维模型与可视化区域的显示点进行一一对应显示。
[0020] 步骤3包括以下步骤：
[0021] 步骤3-1，设计面向三维模型集的可交互NMF能量方程，求取该表达式的最小值获 取最优解，可交互NMF能量方程为：
，公式通过输入参数V，L，Mw来求取最佳 的W，Η值。其中minWiH >。表示求取公式值最小化下的W，Η值。
[0023] 其中V为步骤1-1-3得到的NMF的输入矩阵，即三维模型集特征矩阵;W，H分别为 NMF所要求取的中心矩阵与指代矩阵，L为相对于W的参考矩阵;Mw为调节参数的对角矩阵， 矩阵心对角线上的值在0~1之间，α为调节参数，调节方程结果收敛方向的权重，其范围 在0~1之间；
[0024] 其中本发明主要通过修改L参考矩阵来驱动NMF最优解朝用户需求的分类方向趋 近，为此通过修改L参考矩阵，本发明设计了两种操作：分类与合并。
[0025] 步骤3-2,通过三维模型集类别合并与类别分裂两类操作动态更改三维模型集：
[0026] 三维模型集类别合并：当用户指定三维模型集类别的代表三维模型后，根据该代 表三维模型所属的类别来定位其在当前中心矩阵W中的列信息，在合并操作过程中，根据 所指定的三维模型来获取新的列信息，原中心矩阵W中未合并的列信息直接存储到矩阵L 中，再将求得的需合并三维模型的新的聚类中心加入到矩阵L中；
[0027] 三维模型集类别分裂：用户在已有的分类结果基础上创建全新类别，即用户通过 浏览确定所需分裂的类别，并选择相应代表三维模型获取新的分类信息，当分裂时，在原有 分类基础上增加新的聚类中心，指导NMF进行计算，参考矩阵L在原有的中心矩阵W基础上 增加代表新聚类中心的列信息。
[0028] 其中本发明的分裂与合并操作所选模型，基于可视化界面所提供的信息，用户很 方便的选择自己要选择分裂与合并的模型集，通过数次的迭代，最终获取最佳结果。
[0029] 有益效果：本发明的模型分类方法优点在于：将数据挖掘和机器学习领域最为活 跃的研究方法之一 NMF第一次引入到三维模型分类领域。另外，利用NMF分类所得结果信 息，本发明对先进的可视化策略t-SNE进行了改进，使其类别可视化显示更清晰直观，更便 于后续的用户操作。最后，结合三维模型集的可视化呈现结果，提出了一种半监督的NMF方 法，使其可以指导已有非负矩阵分解结果的修改，进而实现对模型集分类结果的直观、实时 动态更改。
【附图说明】
[0030] 下面结合附图和【具体实施方式】对本发明做更进一步的具体说明，本发明的上述和 /或其他方面的优点将会变得更加清楚。
[0031] 图1为本发明主要流程图。
[0032] 图2为实施例1三维模型B0F计算流程图。
[0033] 图3为实施例输入模型集的预分类结果示意图，各方框内为相应分类结果。
[0034] 图4为t-SNE可视化呈现不意图。
[0035] 图5为实施例进行合并示意图。
[0036] 图6为实施例进行分裂示意图。
[0037] 图7为最终分类结果示意图，各方框内为相应分类结果。
【具体实施方式】
[0038] 本发明对输入的三维模型集，