基于表面颜色属性的三维模型检索

对基于表面属性的三维模型检索进行研究,提出了基于面积颜色分布、基于球面颜色分布、基于颜色球面调和的三维模型检索方法以及基于表面属性的融合方法.通过对模型表面进行按面积均匀采样来获取其颜色分布信息后形成基于面积颜色分布的特征.通过对模型进行均匀球面采样获取颜色分布信息形成基于球面颜色分布的特征.通过首先将模型表面颜色信息按等经纬度球面采样映射为球面函数,然后对其进行球面调和变换形成颜色球面调和特征.融合特征通过对以上特征的两组或3组依一定权值组合而得到.为验证基于表面属性的三维模型检索方法的效果,建立了一个包含有1171个颜色模型的测试库.实验结果表明以上方法均对基于表面属性的三维模型检索具有较好的检索效果且融合特征可以得到优于任何单一特征的检索效果.     

面向内容的三维模型数据库设计及其检索系统的实现

目前,对基于内容的三维模型检索的研究主要集中在检索过程所涉及到的算法方面,而对三维模型库的设计研究较少.为此,详细分析了面向内容的三维模型库的建立过程,重点论述三维模型库的组织结构和分类表的设计,提出一种三维模型分类的手工构造方法,开发了三维模型库的管理软件,并研制了三维模型检索的原型系统.其意义在于为三维模型检索研究提供一个结构合理、数据充分的三维模型库,从而为检索算法的研究奠定坚实的基础.     

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。     

基于聚类分析的三维模型检索综述

为提高三维模型的检索性能,将聚类分析用于特征描述符的提取以及模型间相似性关系划分等方面,能够对三维模型进行较为合理的分类,对较大规模三维模型数据库的索引和组织进行完善,提高三维模型检索效率。针对当前主流的基于聚类的三维模型检索算法进行分析,比较几种聚类算法的优势与不足,在其基础上进行改进,并继续应用于三维模型的检索中。     

SR-SIHKS：一种非刚体全局形状特征

非刚体由于姿态变化会产出多样的形变,因此非刚体的形状检索比刚体更具挑战性。形状特征提取是非刚体三维模型形状检索的关键问题。为了提高非刚体形状检索的准确度,提出了一种非刚体全局形状特征提取方法。此方法的核心思想是将稀疏表示（Sparse Representation,SR）理论用于对尺度无关的热核特征（Scale Invariant Heat Kernel Signature,SIHKS）进行稀疏编码,因此被称为SR-SIHKS。改进了SIHKS局部特征的提取方法,根据所处理的模型库来自适应地确定热扩散时间参数;采用K-SVD算法来训练字典,借助Batch-OMP算法实现局部特征的稀疏编码;将非刚体三维模型的所有局部特征的稀疏编码汇聚为全局形状特征。实验结果表明,SR-SIHKS具有比SIHKS和HKS更优的检索效果。     

改进的三维模型形状分布检索算法

针对传统D1距离形状分布函数获取采样点计算复杂、模型内容描述不充分和检索速率低下等问题提出了一种改进方法。该方法的关键点是：首先采用平移和缩放对模型进行标准化处理,用于减少面片之间的差异,使得采样点均匀地落在模型的表面;其次采用三角面片的索引号进行随机数的生成,并且利用三角面片的重心和质心进行有效的计算,以便用于缩短模型的处理时间和提高检索速率。利用普林斯顿大学三维模型数据库中的部分模型作为实验数据,实现结果表明：改进的方法不会降低模型的检索性能,并有效地减少了模型查询和处理时间。     

改进的多分辨率Reeb图骨架抽取算法

针对实际应用中的模型可能包含多个连通分量的情形,改进了多分辨率Reeb图中的骨架创建算法,并对多种不连通的模型进行了实验。生成的骨架可为三维检索提供特征描述符。     

基于多模态融合的三维模型检索算法研究

为了获得更好的三维模型检索分类性能,基于深度学习模型研究了多模态信息融合对三维模型的特征描述,在训练步骤提出相关性损失函数来指导不同模态之间的训练,提取更稳健的特征向量;最后将融合特征应用于三维模型的检索和分类,在ModelNet40数据集上进行了三维模型分类任务和检索任务评估。实验结果及与现有方法进行的对比证明了该方法的优越性,为三维模型检索分类领域提供了一种新的思路。     

深度特征融合的非刚性三维形状局部匹配

针对海量、异构三维形状匹配与智能检索技术的需求,提出了一种基于级联卷积神经网络(F-PointCNN)深度特征融合的三维形状局部匹配方法.首先,采用特征袋模型,提出几何图像表示方法,该几何图像不仅能够有效区分同类异构的非刚性三维模型,而且能够揭示大尺度不完整三维模型的结构相似性.其次,构建级联卷积神经网络学习框架F-P...     

一种基于拓扑连接图的三维模型检索方法

提出了一种基于分割技术的拓扑连接图构造方法。并用于三维模型检索．首先构造多层邻域计算用于度量每个三角片平坦度的信号值。根据这些信号值采用一种改进的分水岭方法把模型分割成不同的曲面片．然后利用这些曲面片之间的连接关系构造拓扑连接图．最后通过比较不同模型的拓扑连接图相似性来得到它们的匹配度。根据匹配度进行三维模型检索．     

基于极半径曲面矩的三维模型检索

提出一种三维极半径曲面矩,并应用于三维模型检索.三维极半径矩是一种具有平移、旋转和缩放不变性的不变量,将三维极半径矩推广到三维极半径曲面矩获得了新的不变矩,该方法不需要将三角面片表示的三维模型数据体素化,从而提高了计算速度和计算精度.同时,基于这种三维极半径曲面矩的识别算法具有很好的识别率.     

3维模型形状相似性比较算法综述

随着3维模型使用得日益广泛,对3维模型检索系统的研究,近年来日益受到了国内外广大研究人员的关注。3维模型形状相似性比较算法是3维模型检索系统的主要研究问题之一,很多学者对其进行了深入的研究并提出了很多算法。为了使人们对该领域现状有个概略了解,首先介绍了3维模型检索系统,同时回顾了近几年来3维模型检索技术的发展概况,并且从3维模型检索系统实用性的角度分析了3维模型形状相似性比较算法所应该具备的特点;然后对3维模型形状相似性比较算法进行了分类综述,同时分析了它们的特点,并对其中的一些算法进行了检索对比实验;最后归纳了3维模型形状相似性比较算法研究所面临的困难和挑战,指出了进一步研究此问题的发展空间,并对此问题进行了展望。     

3D CAD model retrieval with perturbed Laplacian spectra

This paper presents a novel approach to the 3D CAD model retrieval, whereby the 3D models are treated and matched as undirected graphs. While there is much success made in the matching of graphs based on their spectral decomposition, most of these approaches consider smooth surfaces and are not suitable for CAD models because of their complex topology and singular structure. In the proposed approach, the models are simplified based on the piecewise flat properties of the surfaces first, and a perturbed Laplacian spectrum approach is then applied to characterize the shape. These spectral values are used as samples for spectral distribution estimation. The perturbed spectral distributions of different models are then compared by their KL-divergence for model retrieval. The proposed approach is tested with models from known 3D CAD database for verification.     

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。     

拓扑和形状特征相结合的三维模型检索

针对整体相似性检索算法在局部细节特征上的表达能力不足,提出了一种将拓扑和形状特征相结合的三维模型相似性比较方法.首先提取三维模型的骨架,获得模型的整体拓扑特征;然后根据骨架节点将模型分解为多个子部分,并利用球面谐波算法提取每一个子部分的形状特征.模型的匹配分为3步进行:整体骨架的拓扑特征相似性比较,相对应的子部分的局部形状特征相似性比较,模型总的相似性是整体骨架相似性与对应子部分局部形状相似性的加权和.实验结果表明:该方法从整体到局部、由粗到精,综合考虑了拓扑和形状特征,较传统的考虑单一拓扑或形状特征的检索算法有较高的检索精度,同时又支持基于局部特征的相似性检索.