三维模型检索中的相关反馈技术研究

• 作 者: 潘毅
• 机 构: 北京师范大学
• 出 处: 北京师范大学
• 发表日期: 2010年期
• 关键词: 三维模型检索 相关反馈算法 特征提取 支持向量机 概念特征 机器学习

随着计算机图形学、三维数据获取技术和三维建模技术的发展以及计算机网络的普及，三维模型的数量与日俱增。三维模型较之二维图像，能够更加全面真实地反映现实世界，因此被广泛应用于电子商务、文物保护、虚拟现实等各个领域。如何在如此浩繁的三维模型资源中找到所需要的三维模型数据已成为了计算机应用领域中一个热门的研究课题。　　
三维模型检索涉及模式识别、机器学习等多个领域的知识。具体而言，它包括多种三维模型处理技术，比如特征提取技术、相似性度量、相关反馈等。本文以三维模型的特征提取技术中的统计特征的提取为基础，重点展开对三维模型的相关反馈技术的研究和讨论，具有重要的理论意义和实际应用价值。本文研究内容主要包括：　　
1.分析和比较国内外三维模型检索的相关技术，针对三维模型的特征提取技术和相关反馈技术做了综述性研究。　　
2.提出了一种新的网格模型体素化算法；以基于形状轮廓的统计特征为主，实现了对形状分布D2、2-gram特征的提取，并对它们的三维模型检索性能进行了分析。　　
3.提出了一种基于超球体的相关反馈方法，这种方法符合人类认知习惯，能够在本次查询会话中通过增加反馈次数达到较好的检索效果。同时本文还将目前模式识别中的研究热点--支持向量机理论引入三维模型检索系统，并针对三维模型检索的特点提出了基于SVM的相关反馈改进算法。　　
4.本文引入“概念特征”这一新概念，并基于此提出了一种长期学习的方法。该方法可以充分利用多次查询会话的反馈信息，跨查询会话地进行学习，随着反馈会话次数（即查询次数）的增多，进一步缩小“语义鸿沟”。这种方法是短期学习和长期学习两种机制的结合。