基于特征子空间的三维模型语义检索研究

1144766066 · 发表于 2022-5-13 18:14:45

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
随着工业界对三维建模技术日益增长的需求，如何更好地检索与管理三维模型数据库具有了很强的现实意义。传统的基于文本标签的检索方式由于三维模型数据结构的复杂性与本身包含内容的多样性已经不能满足实际的需求，因此一种基于模型本身内容的检索方式（Content Based Retrieval）成为了学术界的研究重点。目前应用比较广泛的三维模型检索算法多是基于模型本身的几何结构、视觉外观、表面曲率等底层特征信息。然而在模型自动分类等实际应用中，模型所具有的高级语义知识也会对最终的检索结果产生重要影响。因此，从语义学的角度研究三维模型检索技术也正在成为该领域的一个重要研究方向。本文的研究则是以现有的三维模型语义检索技术为基础，首先通过提出 “面向三维模型库分类类别的特征子空间”（简称特征子空间）这一概念来表达和存储类别层面的语义知识，并引入模糊集合理论和整数最优化理论，成功地从数学上给出了特征子空间的表达形式及计算方法；其次，本文类比模型分类标签的概念，提出了一种具有概率列表形式的模型语义特征标签，从而使模型的语义知识有了明确的载体和多样化的应用前景。在特征子空间及模型语义特征标签的基础上，本文又提出了一种具有类别与模型双层结构的三维模型语义检索框架。该框架针对目标模型库，首先利用模型库中的一个训练集通过计算得出该模型库各类别的特征子空间；随后通过一个映射函数，将特征子空间中存储的类别语义知识转化为模型的语义分类标签，从而实现了框架两个层面之间的统一，并最终达到了获取模型语义信息的目的。本文的第二个研究点在于通过融合模型语义知识提高拉普拉斯映射（Laplacian Eigenmaps,LE）这一流形场算法的聚类效果。传统的拉普拉斯映射算法由于其构造流形空间基底时只利用了邻接图顶点周围的局部特征，因而只有一般的语义聚类效果。而作者通过对拉普拉斯映射算法中邻接图边界权重值构造函数的改进，通过语义特征标签将模型的语义知识成功地应用到了流形场的构建过程之中，从而提高了聚类效果。最后，本文在普林斯顿图形库（Princeton Shape Benchmark,PSB）上完成了构建检索框架以及改进拉普拉斯映射算法的相关实验。实验结果表明，作者提出的特征子空间以及检索框架能够有效地获取模型的语义知识，而经过改进的拉普拉斯映射算法则拥有了更好的检索效果。

基于特征子空间的三维模型语义检索研究

天涯海角也要找到Ni：基于特征子空间的三维模型语义检索研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作