论文部分内容阅读
三维数据在CAD、数字博物馆、分子生物学、虚拟现实和游戏等应用领域的迅猛发展,使之成为继图像、音频、视频以来的又一种重要多媒体数据形式。面对庞大的三维模型数据库,如何迅速查找到所需的模型正在成为一个热门课题,它涉及人工智能、计算机视觉、模式识别等领域。其中,基于内容的检索根据三维模型的几何形状、拓扑特征等进行检索,是目前三维模型检索技术的主要研究方向。
基于内容的三维模型检索的关键问题是特征提取。由于物体的形状具有复杂性,导致至今在计算机视觉和计算机图形学等领域还没有任何一种特征提取方法完全符合人类对形状的的识别和理解能力。对于形状复杂的物体,现有的特征提取方法,均不符合人类对形状的识别与理解方式。目前,相关研究中,基于几何表面的统计特征提取和基于拓扑关系的骨架提取是两大类主流方法。这两类方法对模型的不同部分的信息有不同角度的把握,故各有优劣。而现有的算法,均无法同时提取拓扑结构特征和几何形状特征。
为克服这一缺陷,本文提出一种新的多分辨统计直方图方法。本方法的主要创新之处是:不但提取了三维模型表面的几何信息,也提取了三维模型全局的拓扑结构特征。本文以空间距离变换和距离场为基础,定义“广义立体角”来衡量三维体素模型中每个体素点反映的拓扑与几何信息的多少,并通过控制相应参数来生成多分辨率的三维模形检索特征。实验结果表明,本文提供的算法能够同时提取三维模型的拓扑结构特征和几何形状特征,并通过对不同分辨率特征权重的灵活控制,可以根据不同应用背景或用户的不同偏好,得到不同的个性化检索结果。