基于正交投影的三维模型相似性比较算法研究*

提出了一种基于二维正交投影图像的三维模型相似性比较算法。首先计算三维模型的二维正交投影图像,然后提取二维正交投影图像的边缘轮廓夹角特征,并比较这些二维正交投影图像的相似性,最后通过二维正交投影图像的轮廓相似性来获取三维模型的相似性。实验验证了该算法的可行性,并且其对于三维模型检索所要求的平移、旋转和缩放不变性具有较好的鲁棒性。     

基于视觉面距离的三维模型检索

研究计算机视觉图像优化问题,针对目前三维模型检索较低的的检索精度,为改善检索结果与人视觉上保持一致,减少计算量,提出一种新的基于视觉面距离的模型检索算法。利用模型的整体特征;根据表层视觉特性构建视觉面距离模型将三维模型映射到二维模型;由于二维傅立叶算法不仅对噪音具有很好的鲁棒性,而且对几何变换具有不变性。采用二维傅立叶变换提取二维模型特征向量对特征进行融合,从而有效地评估三维模型之间的相似度。进行仿真分析,仿真结果表明,改进方法较传统其他三维模型检索有更高的精度,并与人视觉的一致性。     

结合深度特征和信息量的三维模型标注方法

针对三维模型语义检索应用,提出一种三维模型语义自动标注方法,建立三维模型内容特征和语义特征之间的映射关系。首先,利用基于深度信息的特征提取方法计算三维模型形状特征描述符,在单位立方体的六个面上正交投影后获取六幅深度缓存图像,提取图像二维傅立叶变换后的270维低频系数作为三维模型内容特征。其次,针对语义词汇之间相似度计算需要,提出一种语义相似度计算方法,采用本体层次结构的深度、宽度、同义词集密度信息计算词汇信息量,定义语义词汇间的信息量关系,得到语义相似度。再次,利用语义排歧策略消除语义词汇二义性,提高语义词汇相似度计算的准确性。最后,融合三维模型内容特征相似度计算和本体语义相似度计算方法,利用样本库中相似模型包含的词汇概率信息和模型内容相似度值,计算待标注模型的语义描述信息。通过模型标注实验,验证了该方法的准确性。     

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.     

视觉图像相似性在三维模型相似性比较中的应用

提出一种基于视觉的三维模型相似性比较算法.首先计算三维模型的带深度信息的正交平面投影图像,然后采用Zernike描述子和Reeb图比较这些正交投影图像的形状相似性,最后通过正交投影图像的形状相似性来获得三维模型的相似性.实验结果表明：该算法具有较好的三维模型检索准确性,并且对坐标系旋转变换、模型噪声、网格简化和细分具有较好的鲁棒性.     

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。     

基于主平面和两个次主平面的三维模型检索

近年来,随着三维模型在采集和建模方面的进步,三维模型检索技术也获得了显著的发展.为了提高三维模型的检索效率,文中在已有的单个主平面方法的基础上又提出了另外两个次主平面,并给出了这三个主平面系数的求解过程.文中所采用的基本方法是利用三维模型在主平面和两个次主平面上的投影图像进行特征提取,比单个主平面所提取的特征向量能够更准确地表示三维模型的形状特征.以此算法为基础,将二维的检索办法成功拓展到了三维模型当中.通过文中的实验可以得出主平面和两个次主平面共同使用的效果要远远好于单个主平面的三维模型检索结果.     

三维模型空间复合特征描述方法

融合三维模型的多种空间特征信息,提出一种三雏模型空间复合信息的特征描述方法,在一次三维模型面片遍历过程中,可以同时提取模型在一系列同心球球面映射上的距离、法向和面积分布函数,然后对分布函数作球面调和变换,提取球面调和系数作为模型特征向量,降低了特征表示维数,节约了存储空间.在多个三维模型库的实验结果表明本文提出的空间复合信息特征描述方法具有优越的检索效果,优于基于图像的光场描述方法这一被认为目前检索效果最好的描述方法,同时具有提取速度快的优势.     

基于动态融合的三维模型特征选择算法

随着三维模型在各领域的应用日益增多,如何提高三维模型的检索效率及效果,已经成为研究热点。论文针对三维模型检索的特征提取环节,提出了一种基于动态融合的三维模型特征选择算法。首先,利用先验知识动态计算各特征向量描述该模型特征能力的强弱指数;然后,按其描述能力对各特征向量的进行排序,并赋予权值;最后,利用权值调整方法对多特征进行融合动态形成新的特征向量,计算模型之间的相似度距离。实验表明,基于动态融合的三维模型特征选择算法具有优良的性能。     

一种多特征动态集成的3D模型检索方法

基于内容的3D模型检索是多媒体信息检索的热点研究问题之一,其主要的问题是提取3D模型的形状特征,但是采用单一特征很难保证检索系统对于任意输入查询模型都有很好的检索准确率。为了提高准确率,引入多种形状特征,通过加权求和在输出层融合,得到总体上模型间的相似度。每种特征采用动态权值,针对输入查询模型的不同,根据用户反馈对知识库中的权值自动更新。采用了形状分布特征和球面调和特征进行系统的建模,实验表明,文中方法比采用单特征检索的准确率大大提高。     

Regression on feature projections

This paper describes a machine learning method, called Regression on Feature Projections (RFP), for predicting a real-valued target feature, given the values of multiple predictive features. In RFP training is based on simply storing the projections of the training instances on each feature separately. Prediction of the target value for a query point is obtained through two averaging procedures executed sequentially. The first averaging process is to find the individual predictions of features by using the K-Nearest Neighbor (KNN) algorithm. The second averaging process combines the predictions of all features. During the first averaging step, each feature is associated with a weight in order to determine the prediction ability of the feature at the local query point. The weights, found for each local query point, are used in the second prediction step and enforce the method to have an adaptive or context-sensitive nature. We have compared RFP with KNN and the rule based-regression algorithms. Results on real data sets show that RFP achieves better or comparable accuracy and is faster than both KNN and Rule-based regression algorithms.     

面向文本分类的矩阵投影算法

对文本分类中降维技术、提高分类精度和效率的方法进行了研究,提出了一种基于矩阵投影运算的新型文本分类算法——Matrix Projection（MP）分类算法。矩阵运算将训练样例中表示文本特征的三维空间投影到二维空间上,得到归一化向量,有效地达到了降维与精确计算特征项权重的目的。与其他多种文本分类算法对比实验表明,MP算法的分类精度和时间性能都有明显提高,在两套数据集上的宏平均F1值分别达到92.29%和96.03%。     

结合注意力机制的双路径语义分割

目的 针对现有语义分割算法存在的因池化操作造成分辨率降低导致的分割结果变差、忽视特征图不同通道和位置特征的区别以及特征图融合时方法简单,没有考虑到不同感受视野特征区别等问题,设计了一种基于膨胀卷积和注意力机制的语义分割算法。方法 主要包括两条路径：空间信息路径使用膨胀卷积,采用较小的下采样倍数以保持图像的分辨率,获得图像的细节信息;语义信息路径使用ResNet（residual network）采集特征以获得较大的感受视野,引入注意力机制模块为特征图的不同部分分配权重,使得精度损失降低。设计特征融合模块为两条路径获得的不同感受视野的特征图分配权重,并将其融合到一起,得到最后的分割结果。结果 为证实结果的有效性,在Camvid和Cityscapes数据集上进行验证,使用平均交并比（mean intersection over union,MIoU）和精确度（precision）作为度量标准。结果显示,在Camvid数据集上,MIoU和精确度分别为69.47%和92.32%,比性能第2的模型分别提高了1.3%和3.09%。在Cityscapes数据集上,MIoU和精确度分别为78.48%和93.83%,比性能第2的模型分别提高了1.16%和3.60%。结论 本文采用膨胀卷积和注意力机制模块,在保证感受视野并且提高分辨率的同时,弥补了下采样带来的精度损失,能够更好地指导模型学习,且提出的特征融合模块可以更好地融合不同感受视野的特征。     

基于模式识别的正交试验数据分析及其应用

针对现有正交试验数据分析方法有操作复杂和适应性弱的弊端,提出基于模式识别的最优判别平面(ODP)分析法。该法首先按Fisher准则而建立2个相互垂直的矢量,再将试验数据投影到这2个正交轴上,从而得到二维特征矢量,据此确定各因素对指标的影响程度。分析SIS热熔压敏胶性能试验数据结果,ODP分析法的结果与实际相符,且不受正交表指标数和有无空白列的限制,是一种简单而有效的正交试验数据分析方法,可在冶金化工领域推广。     

A model-based vision system for industrial parts using a small computer

A model-based vision system has been successfully implemented in a small computer environment. This approach uses a basic solid modeling system to develop three-dimensional models of mechanical parts. From those models, two-dimensional projections are taken for every stable state of the object, with many orientations around the object's vertical axis for each stable state. These two-dimensional projections are treated as synthetic binary images, from which a variety of features may be measured and extracted. A similar procedure is used for a binary image of an object from a real scene, and features are also extracted for that image. A simple matching procedures uses the model-based feature sets to determine the real object's stable state position and orientation. This paper describes the system in detail and shows examples of its use.     

利用空间结构信息的三维点云模型分类

现有的三维点云模型分类方法未考虑模型本身的空间结构信息,忽略了模型上点与点之间的相互关系.为此,提出一种能够提取模型空间结构信息的转换网络,实现三维点云模型的分类.首先对三维模型采样分组,得到其球形邻域,计算每个邻域内点的浅层特征,同时使用转换网络将邻域的空间结构信息转换为特征权重,并通过特征映射将特征权重和浅层特征输...     

一种基于遗传算法优化的大数据特征选择方法

提出了一种基于遗传算法的大数据特征选择算法。该算法首先对各维度的特征进行评估,根据每个特征在同类最近邻和异类最近邻上的差异度调整其权重,基于特征权重引导遗传算法的搜索,以提升算法的搜索能力和获取特征的准确性;然后结合特征权重计算特征的适应度,以适应度作为评价指标,启动遗传算法获取最优的特征子集,并最终实现高效准确的大数据特征选择。通过实验分析发现,该算法能够有效减小分类特征数,并提升特征分类准确率。     

Sparse two-dimensional local discriminant projections for feature extraction

Two-dimensional local graph embedding discriminant analysis (2DLGEDA) and two-dimensional discriminant locality preserving projections (2DDLPP) were recently proposed to directly extract features form 2D face matrices to improve the performance of two-dimensional locality preserving projections (2DLPP). But all of them require a high computational cost and the learned transform matrices lack intuitive and semantic interpretations. In this paper, we propose a novel method called sparse two-dimensional locality discriminant projections (S2DLDP), which is a sparse extension of graph-based image feature extraction method. S2DLDP combines the spectral analysis and L₁-norm regression using the Elastic Net to learn the sparse projections. Differing from the existing 2D methods such as 2DLPP, 2DDLP and 2DLGEDA, S2DLDP can learn the sparse 2D face profile subspaces (also called sparsefaces), which give an intuitive, semantic and interpretable feature subspace for face representation. We point out that using S2DLDP for face feature extraction is, in essence, to project the 2D face images on the semantic face profile subspaces, on which face recognition is also performed. Experiments on Yale, ORL and AR face databases show the efficiency and effectiveness of S2DLDP.