论文部分内容阅读
信息技术的发展带动了三维模型技术的迅速成长,这使得三维模型技术逐渐渗透在人们生活中的各个角落,比如3D电影、三维体感游戏、三维立体成像、三维医学技术等。以前人们只能通过互联网中的一些二维图像和视频来获得信息,现在人们可以通过虚拟实境技术随时随地地观看立体信息。随着这些技术的发展,人们在各个领域中对三维模型的利用也越来越频繁,这使得三维模型的数量逐渐趋于大数据方向发展。如何从这些多样的三维模型中快速有效地检索出用户需要的模型成为当今研究的重点,三维模型检索技术应运而生。最初的三维模型检索技术直接将模型用文字描述,但这种检索方式的主观性太强。现如今应用最广泛的是基于内容的检索,该方法通过对模型提取特征后进行模型间的相似度计算,检索的准确度越来越高。本文重点研究了基于视图的三维模型检索算法,并在此基础上提出了两种三维模型检索算法:1)基于监督学习的多视图三维模型检索:将三维模型的多视图作为检索的输入,利用奇异值分解算法得到三维模型特征的子空间,构建降维方程对子空间中的特征进行降维处理进而计算模型间的相似度;2)基于多视图特征匹配的三维模型检索:将三维模型的多视图和单视图作为输入,根据多视图高斯核、单视图高斯核和混合视图高斯核得到特征转换矩阵,将多视图特征和单视图特征转换到同一特征空间下后进行模型间相似度的计算。本文使用了Eidgen?ssische Technische Hochschule、National Taiwan University、Multi-view RGB-D Object Dataset、Princeton shape benchmark等三维模型数据库和Zernike矩、方向梯度直方图特征、卷积神经网络等视图特征,并与几个经典算法进行了比较,大量的实验结果证明了本方法的有效性。