【正文】 2L2L三維像素格(如圖4．1b)。反之，這個像素格被認為是透明的，標(biāo)記為№P，似豫矽=0．基于此種分解方式，重荷區(qū)域問題被大大的減輕了。圖4．1三維模型的預(yù)處理其次，模型的質(zhì)心移到了，并且所有不透明像素格到質(zhì)心的平均距離時成線性比例的，即使我們把質(zhì)心變?yōu)長／2。此文中，L定為32，以保證對待識別物體足夠分解和對細節(jié)噪音的篩選。每個高度用灰度級圖像表示高度信息。(如圖4．2所示)則這些高度的灰度值像素定義為：前：其中，頂：其中，1≤m，n≤64右：其中，1≤m，n≤64后：其中，1≤m，n≤64底：其中，1≤m，n≤64左：其中，1≤m，n≤64 圖4．2所示274．2特征表述從前、后、左、右、上、底6個視角表示該三維模型，每個視角的二維投影被分解為圓心在中點的L個同心圓(如圖4．3)。用X表示，則 圖4．4展現(xiàn)了三個三維模型使用該特征描述法的函數(shù)。 圖4．4三個三維模型的特征函數(shù)4．3旋轉(zhuǎn)不變性通常，如果一個3D模型旋轉(zhuǎn)一個小角度，該提出方法是比較不敏感的。4．4相似性計算當(dāng)每個3D模型用6個視角表示，計算兩個模型的相似性，需要720次(6!)高度匹配操做。如果把相對的位置約去，匹配操作可被大大簡化。如查詢模型為q，它的6個高度匹配模型S分別為和，則查詢模型q的六個高度可分為3組：。計算q，S之間的差，如匹配，則根據(jù)與之間的拓撲關(guān)系，必須匹配。對于第i個排列，會去匹配使和，標(biāo)記q和S的函數(shù)。查詢模型q和匹配模型S間的差值為：那么，q和S之間的相似度量應(yīng)為其倒數(shù)注意，相似度值越大，與要查詢的模型就越相近。4．5實驗結(jié)果分析為了證明ED對于不同模型的有效性，對于兩個測試數(shù)據(jù)庫進行了實驗。對用戶而言，評判一個檢索系統(tǒng)的性能，關(guān)鍵是考察檢索結(jié)果是否與人的期望相接近，該系統(tǒng)是否滿足用戶的需要。一個主要的原因是檢索本身具有的主觀性，這種主觀性使得建立一個標(biāo)準來排列從模型數(shù)據(jù)庫中提取出來的模型非常困難。也就是說，對系統(tǒng)檢索性能的評價主要根據(jù)的是主觀的要求而不是客觀的指標(biāo)?？傊?，不同的檢索系統(tǒng)在查詢機制、視覺特征的選擇、以及應(yīng)用領(lǐng)域等方面都各有特點，目前還缺乏比較系統(tǒng)和有效的評價準則。目前人們常以查全率(recall)和查準率(precision)的統(tǒng)計數(shù)據(jù)或曲線來進行系統(tǒng)性能或相似性匹配方法的評價，如下述兩個公式所示：查全率：R=；查準率：只=；七其中，刀是適合檢索的模型數(shù)量，r是數(shù)據(jù)庫中所有模型的數(shù)量，七是所有檢索模型數(shù)量。數(shù)據(jù)庫l由20個種子模型組成，每個種子模型含14種變換，包括4個幾何變換，2個比例變換，3個旋轉(zhuǎn)，5個不同的多邊形分解變換(如圖4．6)。圖4．7顯示了一些三維模型和它們的變換(包括4種)，同時也給出了本算法的函數(shù)曲線。我們看到，即使模型變形，相似值仍然足夠大。下表呈現(xiàn)對所有查詢模型應(yīng)用ED(本文提出的方法)：SH、3DSSD和D2。圖4．8詳細的比較了這幾種方法查全率的平均值。為了證明ED對于不同模型的有效性，對于兩個測試數(shù)據(jù)庫進行了實驗。對用戶而言，評判一個檢索系統(tǒng)的性能，關(guān)鍵是考察檢索結(jié)果是否與人的期望相接近，該系統(tǒng)是否滿足用戶的需要。一個主要的原因是檢索本身具有的主觀性，這種主觀性使得建立一個標(biāo)準來排列從模型數(shù)據(jù)庫中提取出來的模型非常困難。也就是說，對系統(tǒng)檢索性能的評價主要根據(jù)的是主觀的要求而不是客觀的指標(biāo)?？傊煌臋z索系統(tǒng)在查詢機制、視覺特征的選擇、以及應(yīng)用領(lǐng)域等方面都各有特點，目前還缺乏比較系統(tǒng)和有效的評價準則。目前人們常以查全率和查準率的統(tǒng)計數(shù)據(jù)或曲線來進行系統(tǒng)性能或相似性匹配方法的評價，如下述兩個公式所示：查全率：查準率其中，n是適合檢索的模型數(shù)量，T是數(shù)據(jù)庫中所有模型的數(shù)量，k是所有檢索模型數(shù)量。數(shù)據(jù)庫l由20個種子模型組成，每個種子模型含14種變換，包括4個幾何變換，2個比例變換，3個旋轉(zhuǎn)，5個不同的多邊形分解變換(如圖4．6)。在我們的實驗中，數(shù)據(jù)庫1的模型都被拿出來作為一次查詢模型。ED的平均差準率值優(yōu)于其它方法。對于絕大多數(shù)模型類，本方法都有著好的表現(xiàn)。圖4．9對于模型各種變換，幾種方法的性能比較4．5．2對于數(shù)據(jù)庫2的實驗數(shù)據(jù)庫2是從包含1814個模型(16l類)的普林斯頓圖形基準數(shù)據(jù)庫獲得的，這些模型專門用于基于檢索的分析算法的評估。這22類有極大數(shù)量的模型用于查詢。這22類由圖4．10顯示。實驗結(jié)果顯示，提出的方法表現(xiàn)仍較好。我們可以看到，當(dāng)使用提出的ED法時，時間會稍火十SH。首先，三維模型由6個視角產(chǎn)生的二維投影的高度信息灰度圖像表示，每個灰度圖像成為一個高度，把每個高度分解為一系列的同心圓，計算每個圓的高度信息和，從兩個臨近同心圓的高度和之間的差值來得到所謂的高度表述。實驗數(shù)據(jù)顯示，對于一些類型的三維模型，提出的ED法優(yōu)于其它諸如球形調(diào)和(SH)、MPEG．7三維圖形光譜法(MPEG_7 3D SSD)和D2。對于基于內(nèi)容的3D模型檢索系統(tǒng)，最根本的問題是選取恰當(dāng)?shù)奶卣鱽韰^(qū)別不同的形狀，以用來有效的索引相似的文件數(shù)據(jù)。模型特征的定義和匹配的目的密切相關(guān)，試圖提取一個能適應(yīng)所有應(yīng)用的特征是非常難的。研究包括兩部分：第一部分是關(guān)于基于二維投影的三維模型特征提取的技術(shù)和相似性度量，第二部分是關(guān)于對提取的特征進行盡可能簡化，從而減少運算負擔(dān)，希望在查詢準確性和查詢的速度方面取得平衡。對于基于內(nèi)容的三維模型檢索方法，可大致分為基于外形的方法；基于結(jié)構(gòu)的方法和基于視角的方法。把三維模型由6個視角產(chǎn)生的二維投影的灰度圖像表示，把每個二維圖像分解為一系列的同心圓，計算每個圓的信息和?；镜脑碇С衷谟冢簝蓚€三維模型如果在不同的視角看起來相似，那么它們二者便是相似的。由于三維模型的復(fù)雜性以及人類主觀感知的不確定性，還有許多問題有待進一步的研究，如何描述三維模型的復(fù)雜度，也是一個重要的問題，值得進一步關(guān)注的問題包括：盡管三維模型檢索技術(shù)在理論方法和實現(xiàn)技術(shù)上都取得了一定的研究成果，但是，由于三維模型所包含信息的復(fù)雜性以及人類主觀感知的不確定性，還有許多問題有待更深入的研究：(1)不需要進行模型坐標(biāo)標(biāo)準化的三維形狀特征提取問題。為了解決這些問題，有必要研究新的形狀特征描述方法，使其不需要進行模型坐標(biāo)標(biāo)準化，仍能準確地區(qū)分模型之間的形狀差異。現(xiàn)有的形狀特征描述，往往以三維模型整體為考察對象，但在實際情況中，需要形狀特征具有描述局部細節(jié)的能力。(3)三維模型的非形狀特征表示方法。參考文獻\[1]Zhang Deng—Sheng，Lu Guo—Jun．Review of shape representation and description techniques\[J]．Pattern Recognition，2004，37(1)： 1—19．\[2]Shams Ladan， von der Mal sburg Christoph．Acquisition of visual shape primi— tivees\[J]． Vision Research， 2002， 42 (17)： 2105—2122．\[3]Iyer Nat raj， Jayanti Subramaniam， Lo Kuiyang， Kalyanaraman Yagnanarayanan． Three—dimensional shape searching： State—of—the art review and future trend\[J]． Compute—Ai ded Design， 2005， 37(5)： 509—530．[4]Paquet E．，Rioux M． Description of shape information for 2—D and 3一D objects\[J]．Signal Process：Image Commun，2000， 16： 103—122．\[5]Del Bimbo．Visual Information Retrieval\[J]．Morgan Kaufrnann，1999：208—211．\[6]Paquet E．，Rioux M．Content—based search engine for VRML databases\[R]．Proceeding of the 1998Computer Society Conference on Computer Vision and Pattern Recognition (CVPR)， Santa Barbara， CA，1998．\[7]ZhaIlg C， Chen T． AN active learningFramework for content basedInformation retrieval\[J]． IEEE Transactions on Multimedia Special Issue on Multimedia Database，2002，4 (2)： 260一280．\[8]FunkHouser，Kazhdan P．，et a1． A search engine for 3D models\[J]．ACM 1’ransactions on Graphics，2003，22 (1)： 83一105．\[9]Cyr C．，KiⅢia B． 3d object recognition using shape sinu；Aarity based aspect graph\[J]．Roceedings of IEEE International Conference on Computer Vision，Vabcouver， Canada， 200l， 254—261．[10]Suzuki M．，Kato T．，Otsu N．A similarity retrieval of 3d p01ygonal models using rotation invariantShape descriptors\[J]． Proceedings of IEEE International Conference on System，Nashvi le，Tennessee，USA，2000： 2946—2952．\[11]Kazhdan M．， Chazelle B．，Dobkin D， eta1． Areflective symmetry desripyor． Proceedings ofEuropean Conference on Computer\[R]． Copenhagen， Derunark， 2002： 642—656．【12]Vranic，Saupe D．，Richter J．T001s for 3D—object retrieval\[J]．Karhunen Loeve transform and spherical harmonics．Proceedings Of the IEEE 2001 Workshop Mulimedia Signal Processing， Cannes，F(xiàn)rance，2001：293—298． \[13]Vranic，Saupe D． 3D model retrieval\[R]．Proceedings of Spring Conference on ComputerGraphics2000， Budmerice，S10vakia，2000： 89—93．\[14]Wallace T．，Wintz P．AN efficient 3一D aircraft recognitionAlgorithm using normalizedFourier Descriptors\[J]．Computer Graphics and Image Processing，1980， 13(3)：99—126．三維模型檢索數(shù)據(jù)庫網(wǎng)址：附錄1．：／／shape．cs．princeton．edu／search．html2．：／／amp．ece．cmu．edu／projects／3DmodelRetrieval3．：／／merkur01．inf．unikonstanz．de／CCCC4．：／／．tril．ibm．／projects／3dweb／imsearchwee．htm5．：／／3dsearch．iti．gr／default．php?page=dseach6．：／／．cs．uu．nl／centers／give／imaging／Drecog／3Dmatching．html后記本論文的完成，離不開我的導(dǎo)師梁晶晶老師悉心指導(dǎo)。老師日常工作、學(xué)習(xí)和生活中的言傳身教令我獲益匪淺，難忘他們那種忘我的工作和科研態(tài)度，難忘樸實無華的話語和多次的教誨。他們經(jīng)常在理論、學(xué)業(yè)上指導(dǎo)我，從他們身上我學(xué)到了很多科研和理論方面的知識。家人和朋友是在背后默默關(guān)心、支持我的人，有了他們的關(guān)心、支持，我才可能邁開大步向