發(fā)布時間：2021-01-04 01:07

　　隨著計算機圖形學、相關軟硬件技術的迅猛發(fā)展,三維模型的獲取變得越來越容易,三維模型的重要性以及市場需求日漸增加,三維數(shù)據(jù)迅速成為繼圖像、聲音、視頻之后的第四代多媒體數(shù)據(jù),被廣泛應用于圖像處理、3D網(wǎng)絡游戲、CAD、電子商務、工業(yè)制造、虛擬現(xiàn)實等眾多領域,針對三維模型表面的描述、分析、匹配、檢索等成為研究熱點�，F(xiàn)在,人們不再局限于怎樣對三維模型進行構建,更加關注如何復用及共享現(xiàn)有的模型資源進行應用研究的問題,其中核心就是在數(shù)量龐大的數(shù)據(jù)庫中描述及檢索目標模型。本文主要研究基于Laplace-Beltrami算子的非剛體三維模型描述和檢索方法,介紹了非剛體三維模型中已有的描述和檢索方法,在眾多非剛體三維模型描述方法中,基于Laplace-Beltrami算子的siHKS（scale invariant Heat Kernel Signature）和WKS（Wave Kernel Signature）描述方法是目前效果較好的方法,siHKS能夠很好地描述非剛體三維模型的整體形狀信息,并且對噪音、拓撲結構擾動及部分缺失等問題保持較好的穩(wěn)定性,WKS則側重于提取局部特征信息,更加注重三維模型特征... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

(a)上(b)下形狀是三維模型的一種視覺屬性和重要標識信息，是三維模型分析處理中不可或

圖 1-2 譜方法分析圖（1）基于距離矩陣的譜分析方法Reuter 等人提出 shapeDNA[9]，優(yōu)點是具有拉普拉斯算子等距不變性和對三維模型表示相對穩(wěn)定的優(yōu)點，使用歸一化特征來直接描述三維模型，對三維模型進行相似性度量而不需要對三維模型對齊，缺點是通常只能獲取三維模型整體特征信息，可能導致局部特征信息缺失，檢索效果不佳。Levy 等人[10]指出可以通過分析 Chladni 板塊來理解 Laplace-Beltrami(LB)算子的本征函數(shù)，從而更好地對三維模型進行描述并產生更多有價值的應用。Smeets 等人[11]提出應用擴散距離張量 DDT(Diffision Distance Tensors)和測地線距離矩陣 GDM(Geodesic Distance Matrix)，獲得 ShapeDNA 譜描述子及對應的相似矩陣，選擇不同的方式將獲得的相似矩陣組合起來以形成新的相似矩陣。Lu 等人[12]以shapeDNA 為基礎描述三維人臉，以歐洲和亞洲民族之間不同面部特征為研究對象，在醫(yī)學情景中作出實驗假設及驗證研究。

山東師范大學碩士學位論文地描述非剛體三維模型的特征。（3）將提出的 PCS 點描述子、PSD 形狀描述子應用于三維模型檢索流程中，基于 SHREC '14 人體模型數(shù)據(jù)庫，結合 LMNN 度量學習算法以及 K-NN 算法，通過非剛體三維模型檢索實驗，驗證了 PCS 點描述子、PSD 形狀描述子的有效性。


本文編號：2955842