论文部分内容阅读
随着计算机图形学及数字媒体技术的快速发展,三维图形技术被广泛应用于生物信息学、医学、计算机辅助设计、三维游戏等领域。与此同时,三维模型的数量呈指数级增长,面对如此庞大的信息量,如何快速准确地从现有三维模型库中检索出相似的三维模型,实现三维模型的复用,成为一个热点研究问题。三维模型检索技术中最关键的是对三维模型进行特征提取。针对三维模型特征提取算法中单一特征缺乏对三维模型特征更全面的描述这一问题,研究者将研究重点转移到多特征融合上来,以期通过多特征融合的方式来对三维模型进行更全面的描述。然而如何提高现有特征提取算法的描述能力和提出更有效的检索方法仍是一个值得研究的课题。此外,多特征融合时特征选取也是一个值得研究的问题。针对所述问题,从以下两个方面进行了研究:(1)提出融合细节与整体特征的三维模型检索方法。融合三维模型的局部细节特征和整体形状特征以实现对三维模型更加全面的描述。分别选取能反映三维模型局部细节特征的SIFT特征和反映三维模型整体形状特征的傅立叶描述子特征,并结合多尺度分析方法得到多尺度傅里叶描述子特征来对三维模型进行特征描述。多尺度分析方法能降低灰度图像中存在的噪声和其它变化对傅立叶描述子所产生的影响。采用线性加权的方式对SIFT特征和多尺度傅里叶描述子特征进行融合,以融合局部细节特征和整体形状特征来提升三维模型检索的准确率。(2)提出基于加权BOF特征的三维模型检索方法。鉴于提取SIFT特征和多尺度傅里叶描述子特征能在一定程度上提高三维模型检索的准确率,直接使用SIFT特征进行相似性度量会因为特征数量的庞大而降低整个检索效率,并会影响三维模型检索的准确率。引入词袋模型对SIFT特征进行编码处理,提取SIFT特征作为视觉词典的特征源,通过聚类的方式对特征源进行训练生成“专业词典”,根据词典计算每个三维模型的BOF特征,以此对三维模型进行特征描述,同时引入TF-IDF算法对BOF特征进行加权操作,使得各三维模型之间的区分度更高。最后再与多尺度傅立叶描述子特征进行线性加权融合。上述两种方法在PSB模型库和SHREC12GTB模型库上进行了验证实验,分别选取几种检索方法进行了对比。实验结果验证了我们的方法的有效性。