PDF《清华大学》

content-based 3D object retrieval;

feature;

distance measurement;

clustering IV 目录第1章引言1第2章实验数据库介绍

2 2.1 光场数据库简介

2 2.2 ETH-80 数据库

2 2.3 Sphere60 数据库

3 第3章检索过程与算法

5 3.1 检索系统概述

5 3.2 特征提取.6 3.2.1 概述

6 3.2.2 形状特征

6 3.2.3 颜色特征

7 3.2.4 纹理特征

7 3.3 相似性度量

8 3.3.1 概述

8 3.3.2 最近邻距离

9 3.3.3 豪斯道夫距离与改进的豪斯道夫距离.9 3.3.4 最优匹配与 KM 算法.9 3.4 性能评价.12 3.5 相关反馈.14 3.5.1 基本方法

14 3.5.2 按类标注

15 3.6 多特征选择方法

16 3.7 特征简化方法

20 3.8 聚类检索方法

22 第4章LF3DR 检索系统

26 4.1 基本功能.26 V 4.2 安装方法.26 4.3 使用方法.27 4.3.1 标签页概述

27 4.3.2 Database Management 页面

27 4.3.3 Retrieval 页面.28 4.3.4 Path Management 页面

31 4.4 扩展方法.31 4.4.1 数据库的扩展.31 4.4.2 特征的扩展

34 4.4.3 距离度量算法的扩展

34 4.5 类与函数说明

35 4.5.1 工程概述

35 4.5.2 数据结构部分.36 4.5.3 函数部分

37 第5章结论39 插图索引

41 表格索引

43 参考文献

44 致谢45 声明46

1 第1章引言随着当前 3D 对象数据库越来越丰富,3D 对象正成为一种非常重要的多媒体 数据类型,并在计算机辅助设计、虚拟现实、分子生物学、军事和娱乐等领域有 着越来越广泛的应用.因此,利用先进的检索技术来高效地利用当前庞大的 3D 数据库也正成为一种迫切的需求[2] . 基于内容的 3D 对象检索, 其关键在于定义一种衡量不同的 3D 对象之间的相 似度的方法,这种相似度的定义是实现一切高效检索的前提.在3D 检索中,我 们通常并不是在数据库中寻找与目标对象完全一致的精确匹配,而是根据目标对 象给出一个相似对象的序列,排在序列前面的检索结果与目标对象有较高的相似 度. 目前衡量 3D 对象之间的相似度主要有三种方法[7] . 第一种是进行直接的几何 变换,计算将一个 3D 对象转换为另一个 3D 对象所要花费的代价,此代价越小, 说明两个 3D 对象的相似度越高. 第二种是基于特征描述符的方法, 从3D 对象中 提取特征描述符, 并用描述符来表示 3D 对象, 从而 3D 对象之间的相似度也可以 通过描述符之间的相似度来衡量.以上两种相似度量都是基于整个 3D 对象的, 而第三种相似度度量方法基于 3D 对象的局部区域, 这种方法通过寻找 3D 对象之 间相似的区域,来进行相似度度量. 本文所描述的基于光场的方法属于上述第二种方法,即基于特征描述符的方 法.基于描述符的方法一般要求描述符具有对旋转变换、平移变换和尺度变换的 不变性,以及一定的抗噪性.出于这种需求,从3D 对象中获取特征一般有三种 做法[7] :第一种是将 3D 对象看作无厚度的表面,从中可以获取该表面的微分特 征;

第二种是将 3D 对象看作有厚度有体积的表面;

第三种便是本文所探讨的, 将3D 对象投影到多个平面上,从各个投影中获取特征.

2 第2章 实验数据库介绍 2.1 光场数据库简介 研究基于光场的 3D 对象检索以及检索系统的实现都需要一定规模的数据库, 数据库需要具有良好的分类,足够的对象数量,以及清晰的视图.光场数据库一 般分为两种类型:一种是基于实物的光场数据库,构建这种数据库需要大量的实 物,并进行复杂的现场拍摄工作,成本较高;