三维模型特征提取技术研究

论文摘要

随着三维模型数量的迅速增加,三维模型检索技术研究的重要性日益凸显。针对大规模三维模型库快速检索需求,本文围绕三维模型检索技术中的低层特征提取、高层语义特征标注、相关反馈等关键技术展开深入研究,研究具有重要的理论意义和实际应用价值。研究工作主要进展包括如下方面：(1)提出了一种三维模型线形骨架提取方法。先计算离散体素表示的三维模型的向量场,再利用结果向量场的关键点、关键曲线等拓朴特征,抽取多层次线形骨架,借助改进的推土机距离EMD方法以度量线形骨架之间的相似性。基于该算法提取的线形骨架可实现模型分类、全局匹配和局部匹配,有效提升了检索效果。(2)给出了基于局部特征概率密度估计的三维模型特征提取的体系框架。针对三维表面局部几何特征集,利用核密度估计方法估计选定目标点的特定局部特征密度,构成特征向量,用以描述三维模型。抽取三维网格模型的单元特征及多个单元特征组合而成的多元特征支持实现三维模型检索,实验验证其检索性能优于基于统计的直方图特征提取方法。(3)提出了语义力相关反馈(SFRF)和纯语义相关反馈(PSRF)两种相关反馈新算法。将三维模型看作是彼此相互作用的带电粒子,其所带电量的正负、大小取决于用户对模型之间语义相似度的打分评判；依据这些带电粒子之间的相互作用,不断重新调整三维模型的点向量在其特征空间中的位置,构成语义聚类。借助这两种方法实现三维模型检索,语义力相关反馈(SFRF)方法的性能远胜于特征空间变形算法SpaceWarping,纯语义相关反馈(PSRF)方法也表现出很好的检索性能。(4)提出一个三维模型半自动语义标注框架。基于模型的内容信息选取训练样例；利用系统获取的模型标注知识,借助模糊神经控制器集合估计数据库中每一个模型所属类别；将提出的两种相关反馈方法集成到三维模型语义标注框架之中以支持和提高语义标注的性能。实验表明该框架从本质上提高了语义标注的进程,能有效地支撑实现三维模型数据库的自动语义标注过程。本研究得到国家自然科学基金《文物三维模型的语义标注与本体检索技术研究(60873094)》的支持。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• §1.1 课题背景和意义
• §1.2 研究基础
• §1.3 论文的主要贡献
• §1.4 论文的组织结构
• §1.5 本章小结
• 本章参考文献
• 第二章 国内外研究现状分析
• §2.1 三维模型检索框架
• §2.2 特征提取
• 2.2.1 基于特征向量的特征提取方法
• 2.2.2 基于统计数据的特征提取方法
• 2.2.3 基于拓扑的特征提取方法
• 2.2.4 基于视图的特征提取方法
• §2.3 相似性度量
• 2.3.1 距离度量
• 2.3.2 分类学习
• §2.4 已有的三维模型检索系统
• §2.5 检索性能的评价
• §2.6 相关反馈技术
• §2.7 主动学习
• §2.8 本体检索技术
• §2.9 本章小结
• 本章参考文献
• 第三章 三维模型预处理
• §3.1 三维模型坐标系归一化预处理
• 3.1.1 平移、尺度归一化
• 3.1.2 旋转归一化处理
• §3.2 网格模型的体素化表示
• 3.2.1 三维模型文件格式的统一
• 3.2.2 三维网格模型的体素化
• §3.3 本章小结
• 本章参考文献
• 第四章 基于向量场的三维模型线形骨架提取
• §4.1 概述
• §4.2 基于向量场提取多层次线形骨架
• 4.2.1 概念描述
• 4.2.2 多层次线形骨架提取框架
• §4.3 线形骨架之间的相似性度量
• §4.4 算法分析与实验
• 4.4.1 时间复杂度
• 4.4.2 三维模型库的分类与检索
• 4.4.3 模型局部匹配
• §4.5 本章小结
• 本章参考文献
• 第五章 基于局部特征概率密度的特征提取框架
• §5.1 概述
• §5.2 三维模型的局部几何特征
• r'>5.2.1 径向特征S_r
• t'>5.2.2 切平面的特征S_t
• 5.2.3 点积特征A
• c'>5.2.4 叉乘特征S_c
• 5.2.5 形状索引SI
• §5.3 特征提取框架
• 5.3.1 核密度估计
• 5.3.2 特征计算
• 5.3.3 带宽的选择
• 5.3.4 目标点的选择
• 5.3.5 KDE的计算复杂度
• 5.3.6 算法流程
• §5.4 实验结果与分析
• 5.4.1 特征融合
• 5.4.2 维数约简
• 5.4.3 与其它同类特征描述符的检索性能比较
• §5.5 本章小结
• 本章参考文献
• 第六章 基于相关反馈的三维模型特征描述
• §6.1 概述
• §6.2 基于语义力的相关反馈方法
• 6.2.1 三维模型的概念表示
• 6.2.2 语义向量
• 6.2.3 三维模型之间的几何距离
• 6.2.4 语义力
• 6.2.5 构建带有语义力的特征空间
• §6.3 基于纯语义的相关反馈方法
• 6.3.1 三维模型的描述
• 6.3.2 语义参数
• §6.4 试验结果与分析
• 6.4.1 语义力相关反馈（SFRF）方法的性能测试与分析
• 6.4.2 纯语义相关反馈（PSRF）方法的性能测试与分析
• §6.5 本章小结
• 本章参考文献
• 第七章 基于主动学习的三维模型语义标注
• §7.1 概述
• §7.2 与语义标注相关的几个概念
• 7.2.1 本体和领域本体
• 7.2.2 三维模型的描述
• 7.2.3 低层特征及其几何距离
• 7.2.4 语义特征和语义距离
• 7.2.5 神经模糊控制器
• §7.3 基于主动学习的三维模型语义标注框架
• 7.3.1 框架结构和操作模式
• 7.3.2 模糊神经单元
• 7.3.3 知识增益估计器
• 7.3.4 语义力相关反馈
• 7.3.5 基于秩次的相关反馈
• 7.3.6 语义标注界面
• §7.4 算法分析与实验
• §7.5 本章小结
• 本章参考文献
• 第八章 总结与展望
• §8.1 本文工作总结
• §8.2 前景展望
• 攻读博士学位期间以第一作者已发表或录用的论文
• 致谢