论文部分内容阅读
三维模型的应用涉及到各行各业,各个领域对三维模型的需求也与日俱增,因此,三维模型的数量一直在飞速地增长。创建逼真度较高的三维模型需要花费大量的时间和精力,如何从已有的三维模型数据库中迅速地、准确地检索出与要求相同或相似的三维模型,实现三维模型数据的重复使用及共享已成为了研究者们近年来的研究热点。如何快速并且有效地从三维模型中提取特征是三维模型检索技术的关键和研究难点。单一三维模型特征不能全面准确地表示三维模型,近年来,多特征融合成为的三维模型检索领域中的研究热点。基于多特征融合的三维模型检索方法能够关注到不同的信息,更准确地描述三维模型,提高检索的准确率。如何提出更加高效的检索方法一直是一个具有重要意义的课题。与此同时,在多特征融合时,选择哪几种特征也是一个很有价值的课题。对此,从以下两个方面开展研究:(1)提出融合整体和局部信息的三维模型检索方法。通过旋转三维模型得到不同方向的二维投影视图,分别利用Canny算子提取边缘特征和基于SIFT特征的词袋模型提取词频向量特征,边缘特征用于描述三维模型的整体信息,词频向量特征用于描述三维模型的局部信息,将这两种特征通过线性加权进行有效地融合,得到一个的新的特征用于描述三维模型。方法同时关注三维模型的整体信息和局部信息,得到的特征能全面地表示三维模型,提高了三维模型检索的准确率。(2)提出基于流形学习的多特征融合的三维模型检索方法。现有的研究成果大多将二维投影视图特征直接用于表示三维模型,忽略了同一个三维模型的不同二维投影视图特征的贡献度,在一定程度上降低了三维模型特征的准确度,影响检索结果。流形排序算法可以计算出不同二维投影视图的权值作为贡献度。对此,提出一种基于流形排序的多特征融合三维模型检索方法,通过旋转三维模型得到不同方向的二维投影视图,分别利用Canny算子提取边缘特征和基于SIFT特征的词袋模型提取词频向量特征,利用流形排序计算出了不同二维投影视图的贡献度,最后将这两种特征通过线性加权融合成一个新特征。方法关注了各个二维投影视图特征的贡献度,使用流形排序得到的特征在一定程度上减少了误差引入,提高了三维模型检索的准确率。分别在PSB模型库和SHREC12GTB模型库上对提出的两种方法进行了验证实验和对比实验,实验结果验证了提出的两种方法的有效性和优势。