基于多尺度投影的相似颅骨检索

在基于模板变形的颅面复原方法中,复原的开始阶段需要在数据库中选取与待复原颅骨最为相似的参考颅骨.鉴于基于三维模型的检索算法时间久且颅骨间的差异细微,从而不同于一般三维模型数据库中各模型的差异.因此,已有的三维模型检索算法不适用于颅骨检索.本文提出一种夹角信息和距离信息融合的颅骨轮廓特征提取算法,并在此基础上提出一种能够反映颅骨空域信息的剖面特征提取算法.检索时首先获取三维颅骨的正交投影和深度投影,通过正交投影获取轮廓的角度和距离特征,通过深度投影获得具有空域信息的剖面特征;然后对多个特征进行加权融合搜索到最相似颅骨;最后通过ICP+TPS对检索到的颅骨进行误差评估.实验表明,本算法在保证检索效率的同时,可以准确地应用在颅面复原前期对最相似颅骨的选择上.     

一种基于轮廓的图像检索算法

针对Choi Wai-pak等人提出的基于最大内切圆直方图的图像检索算法存在的不足,提出了一种改进的新的基于轮廓的图像检索算法。该算法首先用两种不同尺度的1维高斯函数分别对目标轮廓的凹陷部分和凸起部分进行进化处理来得到一个平滑简单而又能很好代表原始轮廓主要信息的进化曲线;然后利用骨架化算法提取出目标骨架;最后,利用进化后的轮廓与骨架之间的距离直方图来构造目标形状的描述符,并实现了图像检索。与Choi Wai-pak等人提出的算法(只利用了形状的骨架信息)相比,该新算法不仅利用了轮廓所表达的外围整体形状信息,还利用了骨架所表达出的形状的拓扑关系。实验结果表明,该新算法在尺度变换、旋转变换以及抗噪性能等方面具有更优的鲁棒性。     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.     

一个相关反馈三维模型深度图像检索算法

基于图像的三维模型检索比形状特征和拓扑结构特征具有更易于实现且检索效果好等优点,但现有基于图像的三维模型检索方法存在一些问题,如没有考虑三维深度信息、所提特征不能全部表达三维模型信息且不能实现用户交互操作等。对此提出一种基于深度图像的三维模型相关反馈检索算法:首先提取三维模型深度图像边界方向直方图和Zernike矩特征;然后利用特征距离度量进行三维模型检索,并采用相关反馈技术实现分类器的构造和模型的标注;最后利用调整好的权值分类器进行检索和标注。实验表明,该算法实现了三维模型的相关反馈检索和标注,提高了检索的精确性,并增强了系统的实用性,为进一步进行语义检索打下基础。     

基于轮廓特征点的三维模型相似性匹配算法

针对Heczko算法容易丢失一些表示三维模型轮廓的重要信息,从而降低匹配准确性这一问题,研究了一种基于轮廓特征点的三维模型相似性匹配算法。通过函数投影提取三维模型的轮廓,再提取每一个轮廓上的角点,把角点作为特征点,用特征点的曲率值构成一个点集,最后计算点集之间的Hausdorff距离,进行相似性匹配。实验结果表明该算法提高了三维模型的检索准确性。     

综合颜色和轮廓曲线特征的图像检索方法研究

传统的基于内容图像检索（CBIR）及跟踪算法主要利用图像的颜色、纹理等特征进行相似性比较,但大量的实验和应用也表明利用颜色和纹理进行图像相似性比较在空间结构和对象形状上难以精确控制,致使图像检索经常出现一些不可预料的结果。为了提高图像在形状、颜色及纹理上的检索精度,提出了一种综合颜色和图像轮廓曲线特征的检索方法。该方法分割图像并提取图像中感兴趣对象的轮廓,对提取的轮廓进行仿射变换及最小值化处理,经处理后的轮廓带有边缘的完整信息,具有几何不变性;利用聚类的颜色信息,提取主聚类的直方图,所提取的直方图不仅包含了主聚类的颜色信息也包含了该聚类的空间位置信息。利用检索对象与被检索对象的颜色距离直方图及轮廓曲线距离偏差的加权平均度量检索及被检索对象的相似性。实验结果表明,针对基于感兴趣对象的图像检索问题,给出了一种具有高度检索精度的算法。     

综合语义和轮廓特征的图像检索技术研究

针对基于内容的图像检索系统的检索效率和精度的不足,提出了综合语义和轮廓特征的图像检索方法.以拐点作为控制点对图像的轮廓进行精确分段,利用边界跟踪法对图像进行轮廓特征提取,并以图像的语义和底层的轮廓特征作为图像检索的综合指标,将图像的主观语义和底层特征融合起来,提高了图像底层特征和高层语义之间的联系.通过对不同类型的图像进行检索,实验结果证明该算法对复杂图像检索的效率高、精度高,并具有稳定的检索性能.因此,具有很好的发展趋势.     

基于形状的图像检索的关键技术研究

将小波变换的多尺度技术应用到图像检索中的形状特征的边缘检测 ,利用不变矩的仿射不变性进行形状特征提取 ,并以图像特征向量的欧氏距离进行图像的相似度匹配。试验结果表明 ,使用该算法可以提高基于内容的图像检索的准确率与检索速度。     

一个基于深度图像的三维模型检索算法

三维模型检索是现在的研究热点,提出一种基于深度图像的三维模型检索算法。对三维模型进行规范化处理,采用基于正交投影的方法计算三维模型在其包围立方体的六个面上的深度图像;提取深度图像的边界方向直方图和Zernike矩特征;利用特征距离度量进行三维模型检索,并采用相关反馈技术实现权值的调整,得到用户最满意的目标检索模型。对比实验表明,该算法避免了传统视觉图像丢失三维模型空间信息的缺点,有效地提高了检索的精确性和鲁棒性。     

基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。     

3D model retrieval via single image based on feature mapping

With the development of manufacture, more and more 3D models are generated by users and many differnet factories. 3D model retrieval has been receiving more and more attention in computer vision and the field of data analysis. In this paper, we propose a novel 3D model retrieval algorithm by cross-modal feature mapping (CMFM), which utilize one single image as query information to address 3D model retrieval problem. Specifically, in this paper, we first proposed to leverage 2D image to handle 3d model retrieval problem, which is one new problem in this field. The proposed feature learning method can benefit: 1) avoiding the interference of query image recorded by different visual sensor; 2) handling cross-modal data retrieval by simple computer vision technologies, which can guarantee the performance of retrieval and also control that the retrieval time hold a low level; 3) the low complexity of this method can guarantee that this method can be applied in many fields. Finally, we validate the retrieval method on three popular datasets. Extensive comparison experiments show the superiority of the proposed mehtod. To the best of our knowledge, it is the first method to handle 3D model retreival based on one single 2D image.     

基于距离和曲率特征的三维模型检索研究

针对采用单一特征描述基于内容的三维模型检索时检索精度不高的问题,结合全局描述的距离特征和局部描述的曲率特征,提出一种新的三维模型检索算法,通过距离特征相似性和曲率特征相似性的加权和,确立模型新的相似度匹配。仿真实验结果表明,相对于单一形状特征的模型检索,该检索算法能够获得更准确的检索效果。     

基于深度卷积神经网络的三维模型检索

为了更有效地利用三维模型数据集进行特征的自主学习,提出一种使用自然图像作为输入源,以三维模型的较优视图集为基础,通过深度卷积神经网络的训练提取深度特征用于检索的三维模型检索方法。首先,从多个视点对三维模型进行视图提取,并根据灰度熵的排序选取较优视图;然后,通过深度卷积神经网络对视图集进行训练,从而提取较优视图的深度特征并进行降维,同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配获得一组三维模型;最后,基于检索结果中同类模型总数占检索列表长度的比例对列表进行重排序,从而获得最终的检索结果。实验结果表明,该算法能够有效利用深度卷积神经网络对三维模型的视图进行深度特征提取,同时降低了输入源的获取难度,有效提高了检索效果。     

Sketch-based 3D model retrieval by incorporating 2D-3D alignment

Sketch-based 3D model retrieval is very important for applications such as 3D modeling and recognition. In this paper, a sketch-based retrieval algorithm is proposed based on a 3D model feature named View Context and 2D relative shape context matching. To enhance the accuracy of 2D sketch-3D model correspondence as well as the retrieval performance, we propose to align a 3D model with a query 2D sketch before measuring their distance. First, we efficiently select some candidate views from a set of densely sampled views of the 3D model to align the sketch and the model based on their View Context similarities. Then, we compute the more accurate relative shape context distance between the sketch and every candidate view, and regard the minimum one as the sketch-model distance. To speed up retrieval, we precompute the View Context and relative shape context features of the sample views of all the 3D models in the database. Comparative and evaluative experiments based on hand-drawn and standard line drawing sketches demonstrate the effectiveness and robustness of our approach and it significantly outperforms several latest sketch-based retrieval algorithms.     

基于渲染图像角度结构特征的三维模型检索方法

为了充分利用三维模型的颜色、形状、纹理等特征,提出以三维模型渲染图像为数据集,利用渲染图像角度结构特征实现三维模型检索。首先,该方法以三维模型渲染图像为测试集,利用已有类别标记的自然图像作为训练集,通过骨架形状上下文特征对渲染图像进行分类,提取角度结构特征,建立特征库;然后,对输入的自然图像提取角度结构特征,与特征库中的角度结构特征进行相似度匹配计算,实现三维模型检索。实验结果表明, 充分利用 渲染图像的颜色、形状和空间信息是实现三维模型检索的有效方法。     

基于2D轮廓图的三维模型相似性比较研究

将三维模型分别从正视、侧视、俯视3个角度投影到3个平面.再将3个平面上的2D投影轮廓图等分成若干个扇形区域.计算每个区域内的顶点与模型重心的最大距离.如此分别得到三个平面上2D轮廓图的特征向量.提取每个模型的这3个特征向量作为其形状描述符,然后进行接下来的模型相似性匹配.实验结果表明:该方法不但简便而且具有较好的三维模型检索准确性.     

基于形状特征描述算子的3D模型检索

针对投影图像的形状特征,结合傅里叶描述算子、Zernke不变矩、形状参数、离心率的特点,提出一种基于权重关系的合成的形状特征描述算子,将其应用到3D模型投影图像检索算法中。实验结果表明,相比其他4种形状特征描述算子,该算子能较好描述投影图像的轮廓、区域以及整体特征信息,并可提高算法的检索效率。     

融合信息熵和CNN 的基于手绘的三维模型检索

基于手绘草图的三维模型检索(SBSR)已成为三维模型检索、模式识别与计算机视 觉领域的一个研究热点。与传统方法相比,基于卷积神经网络(CNN)的三维深度表示方法在三 维模型检索任务中性能优势非常明显。本文提出了一种基于手绘图像融合信息熵和CNN 的三 维模型检索方法。首先,通过计算模型投影图的信息熵得到模型的代表性视图,并将代表性视 图经过边缘检测等处理得到三维模型投影图的轮廓图像;然后,将轮廓图像和手绘草图输入到 CNN 中提取特征描述子,并进行特征匹配。本文方法在Shape Retrieval Contest (SHREC) 2012 数据库和SHREC 2013 数据库上进行实验。实验证明,该方法的效果较其他传统方法检索准确 度更高。