基于有意义分割理论的三维模型检索算法研究

摘要

近年来,三维模型的应用领域日渐广泛。随着三维建模技术和数字扫描技术的发展、计算机网络的扩张,网络中可共享和复用的三维模型数量急剧增长。在现有的条件下,如何对目前已有的三维模型进行有效的管理和检索,如何提高三维模型资源的共享和复用,成为亟待解决的问题。由此,基于内容的三维模型检索技术(CBMR,Content-Based Model Retrieval)应运而生,并逐渐成为计算机图形学领域的研究热点。
　　 目前,基于内容的三维模型检索技术的研究重点主要集中在三维模型的特征提取算法上。现有的特征提取算法可以分为四类:(1)基于统计特征的特征提取算法;(2)基于几何变换的特征提取算法;(3)基于二维图像映射的特征提取算法;(4)基于拓扑结构的特征提取算法。这些算法在描述和提取模型形状特征时,主要考虑的是模型的整体形状和拓扑结构,提取的是模型在整体形状方面的特征,在很大程度上忽略了模型的某些显著的局部细节特征,从而导致对复杂的模型以及外部轮廓相似而细节不同的模型的识别能力不足,进而影响了三维模型的检索精度的提高。
　　 针对目前已有的三维模型检索算法对模型局部细节描述不足的问题,在研究近年来心理学、心理物理学理论中提出的最小值法则和人类的视觉认知特点的基础上,提出了一种基于有意义分割理论的多特征结合综合计算模型相似度的三维模型检索方法。算法首先利用本文提出的改进的分水岭算法对三维模型进行分割,得到有意义的模型部件集合及其之间的邻接关系,然后将其用于描述模型的整体形状分布特征(全局特征)和局部细节特征(拓扑树特征),再分别利用基于EMD距离的相似度计算方法和基于拓扑树匹配的相似度计算方法来衡量不同模型间的相似程度,最后采用相似度加权求和的方式得到模型间总的相似度。完成模型的整体相似度量到局部相似性匹配,实现检索过程。
　　 在Princeton大学提供的PSB模型库上对本文提出的检索算法进行了验证。实验结果表明,本文提出的算法受模型噪音和连通性影响小,提高了检索精度,检索所需时间也在合理的范围内,获得了较理想的检索结果。