三維模型檢索中關(guān)鍵技術(shù)的研究.pdf

1、隨著三維數(shù)據(jù)獲取技術(shù)、三維圖形建模方法以及計(jì)算機(jī)硬件技術(shù)的發(fā)展，已經(jīng)產(chǎn)生了越來越多的三維模型數(shù)據(jù)，三維模型比二維圖像更真實(shí)的描述了現(xiàn)實(shí)世界。如何從各類模型數(shù)據(jù)庫或互聯(lián)網(wǎng)檢索到所需的三維模型已成為計(jì)算機(jī)和互聯(lián)網(wǎng)發(fā)展過程中的一個(gè)重要課題。目前三維模型檢索研究的對(duì)象主要是網(wǎng)格模型。網(wǎng)格模型是指由多邊形網(wǎng)格組成的三維模型，通常包括頂點(diǎn)坐標(biāo)、顏色、紋理、法向量等屬性。一個(gè)完整的三維模型檢索系統(tǒng)通常包括特征提取、相似性匹配、索引結(jié)構(gòu)、查詢接口等幾方

2、面。其中，特征提取是三維模型檢索研究中的一個(gè)首要解決的基本問題和關(guān)鍵技術(shù)，它也是本文研究的重點(diǎn)。 目前特征提取方法還處于對(duì)通用網(wǎng)格模型形狀特征的研究階段，如針對(duì)模型頂點(diǎn)關(guān)系的統(tǒng)計(jì)特征描述、基于視覺相似的關(guān)于二維視圖的特征描述等。由于網(wǎng)格模型形狀實(shí)質(zhì)上就是由一組具有不同法向、面積和空間位置的多邊形組成的多邊形集合，因此已有方法往往存在對(duì)幾何形狀特征描述過于弱化的問題。針對(duì)此，本文提出了兩種基于三維網(wǎng)格模型形狀相似的特征提取方法：基

3、于多視點(diǎn)深度圖的特征提取技術(shù)和復(fù)球面特征映射技術(shù)；同時(shí)本文針對(duì)蛋白質(zhì)分子的三維結(jié)構(gòu)，提出了兩種分維特征的計(jì)算方法，即Hausdorff維數(shù)和信息量維數(shù)，它們是對(duì)蛋白質(zhì)主鏈結(jié)構(gòu)特征的描述。 針對(duì)網(wǎng)格描述的通用模型，本文首先提出了一種基于多視點(diǎn)深度圖的特征提取技術(shù)。該技術(shù)的思想是如果兩個(gè)模型是相似的，那么從任意一個(gè)角度看它們都應(yīng)該相似?；谶@一點(diǎn)文中采用了主元分析和相位傅立葉變換兩種技術(shù)提取了模型的幾何統(tǒng)計(jì)特征。首先用主元分析方法對(duì)

4、模型進(jìn)行規(guī)范化預(yù)處理，然后通過對(duì)模型不同視點(diǎn)下的一組深度圖的相位傅立葉變換，獲得關(guān)于模型面片的法向和面積的二維統(tǒng)計(jì)特征直方圖。提取的特征對(duì)模型的平移、旋轉(zhuǎn)、尺度不變，對(duì)噪音不敏感；并利用圖像相關(guān)技術(shù)對(duì)特征進(jìn)行了相似性度量。通過與已有的典型特征提取方法的比較，實(shí)驗(yàn)結(jié)果表明該方法對(duì)模型的分類效果較好。 針對(duì)網(wǎng)格通用模型，文中還提出了一種復(fù)球面映射的特征提取技術(shù)。由于網(wǎng)格模型實(shí)質(zhì)上是一組具有不同法向、面積和空間位置的面片集合，因此通過

5、對(duì)模型面片的一次掃描，把面片的法向、面積、面片的空間位置映射到單位復(fù)球面上，構(gòu)造出關(guān)于模型幾何特性的復(fù)球面特征直方圖。由于無需進(jìn)行模型配準(zhǔn)，因此特征提取的計(jì)算量小，存儲(chǔ)消耗不大。利用球面相關(guān)技術(shù)，對(duì)模型進(jìn)行相似性匹配，實(shí)驗(yàn)表明該方法對(duì)模型的平移、旋轉(zhuǎn)、尺度不變，通過與已有的典型特征提取方法的比較，實(shí)驗(yàn)結(jié)果表明該方法對(duì)模型的分類效果較理想。 在對(duì)蛋白質(zhì)分子的三維結(jié)構(gòu)的特征提取的研究中，首先分析了現(xiàn)有方法對(duì)蛋白質(zhì)分子配準(zhǔn)要求過于嚴(yán)格

6、和特征矢量維數(shù)過高帶來的耗時(shí)和存儲(chǔ)開銷大等缺點(diǎn)，文中針對(duì)蛋白質(zhì)主鏈，提出了兩種標(biāo)量特征：Hausdorff維數(shù)和高次的信息量維數(shù)。利用合適的尺度對(duì)蛋白質(zhì)主鏈進(jìn)行長度度量，根據(jù)尺度和長度之間的關(guān)系確定主鏈的Hausdorff維數(shù)；對(duì)蛋白質(zhì)分子進(jìn)行某種尺度的區(qū)域劃分，根據(jù)蛋白質(zhì)主鏈原子落在某個(gè)區(qū)域的概率確定主鏈的各階信息量維數(shù)，借此表達(dá)出蛋白質(zhì)結(jié)構(gòu)更為豐富的信息特征。與已有的方法相比，本文方法計(jì)算量小，存儲(chǔ)開銷不大，對(duì)噪音不敏感，適合對(duì)蛋白