一种基于单一视图的三维模型检索方法

针对已有研究存在的视图冗余性问题,提出采用单一视图进行三维模型形状特征度量t并通 过动态规划进行相似性计算,实现三雏模型的单一视图特征描述和匹配．算法主要由三步组成：首先,将三维模型进行姿态调整,并通过渲染得到最能表达三堆模型外形特征的主视lit．其次,对渲染得到的视图进行轮廓采样,通过内在距离扣内角提取模型彤技特征描述,最后,采用动态规剐算法计算不同模型之间的相似程度．实验结果表明：尽管只采用单一视图进行特征描述,但所提出的算法检索精度要高于一些典型三雏形状特征描述符,包括采用深度视图定义的形状描述符.     

一种基于实例学习的三维模型检索匹配方法

传统的基于内容的三维模型检索的相似性度量方法主要借鉴二维图像检索中所采用的距离度量算法,达到比较两三维模型相似度的目的,该做法限制了模型间匹配的广度.针对这种单核匹配的限制,提出了一种新的多核匹配方法.利用图论中两点间的最短距离的思想,得出两模型最相似那他们的距离最短,因此查询样本跟匹配的样本存在的通路上的模型节点能影响他们的相似度,这样就提高了匹配的广度和精度.同时在已有的特征提取基础上,把标签繁衍算法应用到最短距离求解中,并将基于实例学习的K近邻方法引入到模型匹配算法中,实现了半监督学习,提高了系统的查准率.     

基于相似性学习的三维模型最优视图选择算法

针对已有最优视图度量难以适用于不同类型的三维模型,提出基于用户知识、在模型库中为各类模型建立最优视图样例,并在此基础上进行相似性学习,根据相似性度量获得输入模型最优视图的选择算法.首先采用AdaBoost算法对输入三维模型形状特征进行相似性学习,得到该模型的最优视图样例;然后将输入模型从不同视点得到的渲染视图和最优视图样例进行形状相似性分析,以相似度最高者作为输入模型的最优视图.实验结果表明,采用文中算法得到的最优视图不仅可以有效地逼近用户选择结果,而且具有较好的稳定性.