掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
面向模型檢索的矩特征方法研究 版權信息
- ISBN：9787030701015
- 條形碼：9787030701015 ; 978-7-03-070101-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
面向模型檢索的矩特征方法研究 內容簡介
本書介紹了模式識別應用領域的模型檢索，提出新的基于矩的特征提取和檢索算法，并且對這些算法進行理論推導和性能分析，在實驗中驗證所提出算法的優越性。使讀者能夠比較全面地了解面向模型檢索的基本知識以及矩方法在模型檢索中的研究、發展和應用。
面向模型檢索的矩特征方法研究 目錄
目錄
前言
第1章 緒論 1
1.1 研究背景和意義 1
1.2 二維和三維特征提取方法 2
1.2.1 二維形狀特征的提取方法 2
1.2.2 三維形狀特征的提取方法 6
1.3 特征融合 14
1.4 相似度評價方法 15
1.5 檢索性能評價指標 21
1.6 三維模型及其檢索系統 25
1.6.1 三維模型檢索的系統框架 25
1.6.2 三維模型數據集 27
1.6.3 現有的三維模型檢索系統 33
第2章 二維矩特征的幾何不變性 37
2.1 矩特征 37
2.2 Fourier-Bessel結構矩及其在圖像檢索中的應用 40
2.2.1 Bessel-Fourier矩 40
2.2.2 Bessel結構矩的定義 43
2.2.3 BSM的旋轉不變性 43
2.2.4 基于BSM的圖像檢索 44
2.2.5 實驗分析和討論 44
2.2.6 結論 48
2.3 極坐標下旋轉、縮放不變Legendre矩 48
2.3.1 極坐標下Legendre矩的定義 48
2.3.2 實驗分析和討論 50
2.3.3 結論 53
第3章 基于Radon域的形狀特征提取方法 54
3.1 Radon域的三種形狀特征 55
3.1.1 Radon域三種形狀函數的定義 55
3.1.2 基于三種形狀函數的圖像檢索算法 58
3.1.3 實驗分析和討論 60
3.1.4 結論 63
3.2 非線性Radon矩及其縮放、旋轉和模糊不變性 64
3.2.1 非線性Radon變換的定義 64
3.2.2 非線性Radon變換的性質 66
3.2.3 非線性Radon矩特征 66
3.2.4 實驗和討論 68
3.2.5 結論 72
第4章 基于矩特征的圓度測量方法研究及應用 73
4.1 基于復數矩的圓度測量方法 74
4.1.1 基于圓度、相位角、梯度的結構相似性度量方法 78
4.1.2 實驗分析及討論 79
4.1.3 結論 83
4.2 基于極半徑矩的三維圓度測量和檢索 83
4.2.1 極半徑矩的定義 84
4.2.2 基于極半徑矩的三維圓度度量方法 85
4.2.3 實驗分析與討論 88
4.2.4 結論 94
第5章 三維W-系統矩和三維模型檢索 95
5.1 W-系統 95
5.2 離散W-系統及其快速算法 99
5.3 W-系統矩的定義和計算 101
5.4 運動不變量 102
5.5 基于W-系統矩和VDS不變量的三維模型檢索 103
5.6 實驗與討論 103
第6章 基于三維Radon變換與BOVF的模型檢索方法 108
6.1 Radon變換與BOF 109
6.1.1 詞袋特征 109
6.1.2 二維Radon變換 110
6.1.3 三維Radon變換 110
6.1.4 模型的匹配過程 111
6.2 基于三維Radon變換與BOVF的模型檢索方法 113
6.2.1 視角圖像的獲取 114
6.2.2 圖像局部特征的提取 114
6.2.3 BOVF特征的構建 114
6.2.4 模型相似度匹配 115
6.3 實驗結果與分析 115
6.3.1 測試數據庫 115
6.3.2 數據庫檢索實驗 116
6.3.3 字典大小對檢索結果的影響 118
6.3.4 視圖數對檢索結果的影響 122
6.3.5 模型尺寸對檢索性能的影響 123
第7章 基于三維Radon矩特征的模型檢索方法 126
7.1 三維Radon變換及其性質 126
7.2 歸一化三維Radon中心矩 129
7.2.1 三維Radon矩 129
7.2.2 PCA變換 131
7.2.3 歸一化三維Radon中心矩 132
7.3 基于歸一化三維Radon中心矩的三維模型檢索方法 133
7.3.1 三維模型預處理 133
7.3.2 歸一化三維Radon中心矩特征提取 134
7.3.3 模型相似性評價 135
7.4 實驗結果與分析 136
7.4.1 特征的幾何不變性驗證 136
7.4.2 PSB模型庫的檢索實驗 137
7.4.3 特征提取算法的時間復雜性實驗 138
7.4.4 McGill模型庫的檢索實驗 138
7.4.5 參數對檢索性能的影響 140
參考文獻 142
前言
第1章 緒論 1
1.1 研究背景和意義 1
1.2 二維和三維特征提取方法 2
1.2.1 二維形狀特征的提取方法 2
1.2.2 三維形狀特征的提取方法 6
1.3 特征融合 14
1.4 相似度評價方法 15
1.5 檢索性能評價指標 21
1.6 三維模型及其檢索系統 25
1.6.1 三維模型檢索的系統框架 25
1.6.2 三維模型數據集 27
1.6.3 現有的三維模型檢索系統 33
第2章 二維矩特征的幾何不變性 37
2.1 矩特征 37
2.2 Fourier-Bessel結構矩及其在圖像檢索中的應用 40
2.2.1 Bessel-Fourier矩 40
2.2.2 Bessel結構矩的定義 43
2.2.3 BSM的旋轉不變性 43
2.2.4 基于BSM的圖像檢索 44
2.2.5 實驗分析和討論 44
2.2.6 結論 48
2.3 極坐標下旋轉、縮放不變Legendre矩 48
2.3.1 極坐標下Legendre矩的定義 48
2.3.2 實驗分析和討論 50
2.3.3 結論 53
第3章 基于Radon域的形狀特征提取方法 54
3.1 Radon域的三種形狀特征 55
3.1.1 Radon域三種形狀函數的定義 55
3.1.2 基于三種形狀函數的圖像檢索算法 58
3.1.3 實驗分析和討論 60
3.1.4 結論 63
3.2 非線性Radon矩及其縮放、旋轉和模糊不變性 64
3.2.1 非線性Radon變換的定義 64
3.2.2 非線性Radon變換的性質 66
3.2.3 非線性Radon矩特征 66
3.2.4 實驗和討論 68
3.2.5 結論 72
第4章 基于矩特征的圓度測量方法研究及應用 73
4.1 基于復數矩的圓度測量方法 74
4.1.1 基于圓度、相位角、梯度的結構相似性度量方法 78
4.1.2 實驗分析及討論 79
4.1.3 結論 83
4.2 基于極半徑矩的三維圓度測量和檢索 83
4.2.1 極半徑矩的定義 84
4.2.2 基于極半徑矩的三維圓度度量方法 85
4.2.3 實驗分析與討論 88
4.2.4 結論 94
第5章 三維W-系統矩和三維模型檢索 95
5.1 W-系統 95
5.2 離散W-系統及其快速算法 99
5.3 W-系統矩的定義和計算 101
5.4 運動不變量 102
5.5 基于W-系統矩和VDS不變量的三維模型檢索 103
5.6 實驗與討論 103
第6章 基于三維Radon變換與BOVF的模型檢索方法 108
6.1 Radon變換與BOF 109
6.1.1 詞袋特征 109
6.1.2 二維Radon變換 110
6.1.3 三維Radon變換 110
6.1.4 模型的匹配過程 111
6.2 基于三維Radon變換與BOVF的模型檢索方法 113
6.2.1 視角圖像的獲取 114
6.2.2 圖像局部特征的提取 114
6.2.3 BOVF特征的構建 114
6.2.4 模型相似度匹配 115
6.3 實驗結果與分析 115
6.3.1 測試數據庫 115
6.3.2 數據庫檢索實驗 116
6.3.3 字典大小對檢索結果的影響 118
6.3.4 視圖數對檢索結果的影響 122
6.3.5 模型尺寸對檢索性能的影響 123
第7章 基于三維Radon矩特征的模型檢索方法 126
7.1 三維Radon變換及其性質 126
7.2 歸一化三維Radon中心矩 129
7.2.1 三維Radon矩 129
7.2.2 PCA變換 131
7.2.3 歸一化三維Radon中心矩 132
7.3 基于歸一化三維Radon中心矩的三維模型檢索方法 133
7.3.1 三維模型預處理 133
7.3.2 歸一化三維Radon中心矩特征提取 134
7.3.3 模型相似性評價 135
7.4 實驗結果與分析 136
7.4.1 特征的幾何不變性驗證 136
7.4.2 PSB模型庫的檢索實驗 137
7.4.3 特征提取算法的時間復雜性實驗 138
7.4.4 McGill模型庫的檢索實驗 138
7.4.5 參數對檢索性能的影響 140
參考文獻 142
展開全部
面向模型檢索的矩特征方法研究 節選
第1章 緒論 二維圖像檢索發展至今，許多技術已經應用到了圖像檢索等相關領域，實際應用中也取得了較好的效果和顯著的經濟效益。但是三維模型的檢索研究發展緩慢，如何提取三維模型的有效特征，是一個漫長而艱巨的任務，所以二維和三維特征提取方法的研究仍然是*主要的研究課題之一。 1.1 研究背景和意義 二維圖像和三維模型承載著許多視覺信息，如何挖掘模型中與人類視覺感知相近的視覺信息是模型檢索的關鍵技術。針對不同的模型數據庫，檢索過程如圖1.1所示。 圖1.1 模型檢索過程 由圖1.1可見，二維圖像或三維模型的檢索過程分為三個步驟： (1)對模型庫中每個模型提取特征，組成模型特征庫； (2)提取關鍵模型的特征，組成關鍵模型的特征向量； (3)計算關鍵模型的特征向量與特征庫中每個向量的相似度，然后根據相似度計算結果，模型按照*小或*大距離進行排序，并輸出結果。 模型檢索的關鍵技術是特征提取和特征匹配，特征主要包括顏色、紋理和形狀特征，或這三類特征的融合。特征匹配主要包括新的相似度函數、特征融合方式和特征降維三大方面，具體分類如圖1.2所示。 圖1.2 模型檢索的分類 特征提取方法的效率影響模型檢索的效率，而特征匹配的作用也不容忽視，良好的匹配方法可有效提高檢索效率，同時檢索系統的優化和效率對檢索的實際應用也起著重要作用。 1.2 二維和三維特征提取方法 1.2.1 二維形狀特征的提取方法 形狀符合人類視覺感知信息，是刻畫視覺特征和基本信息的重要手段，是圖像檢索和分類中的重要工具。形狀提取方法[1]廣泛應用于圖像檢索、模式識別和目標跟蹤等領域。一種有效的形狀特征必須具有以下性質：短小精悍、較強的抗噪性能、刻畫復雜物體的能力。除此之外，還要符合人類的視覺特性，所以形狀表示和提取仍然是一項艱巨的任務。 已有的二維形狀提取方法可歸納為基于輪廓的方法和基于區域的方法，如圖1.3所示。其中輪廓方法是一種簡單的邊界描述方法，它通過提取物體邊界來描述特征，通常以模型邊界上的一點作為起始點，然后沿著某種參數方程曲線，采樣系列點作為特征。這類方法注重輪廓特征，忽略物體內部結構，難以準確表達和區分物體的內部結構，故對復雜物體的形狀提取準確性不高。關于輪廓提取方法的研究較多且發展迅速，其經典算法是 Fourier方法[2]、廣義 Fourier方法[3]、 CSS(curvature scale space)[4]、GART(generalizations of angular radial transform)[5]等。小波方法在圖像處理的發展過程中具有不可低估的作用。小波方法從產生至今，已發展到脊波、**代曲線波、第二代曲線波、條形波、輪廓波、波原子等方法，廣泛應用于圖像去噪[6]、圖像檢索[7]、SAR圖像識別[8]、與高斯密度函數結合的圖像分類[9]等。但小波系數特征存在諸多缺點，如計算量大、難以滿足人的視覺相似性、圖像檢索的精度不高等。 圖1.3 二維形狀特征的分類 基于區域的方法包括矩方法和基于局部區域的方法。從數學概念上講，矩特征是形狀密度函數在不同核函數下的積分。矩對圖像的全局形狀比較有效，具有旋轉、平移和縮放不變特性，被廣泛應用于紋理和形狀檢索等[10]。常見的矩特征有 Zernike矩、Fourier-Mellin矩、Legendre矩等。基于局部區域的方法利用局部特征描述物體，包括基于區域點的區域分布、點的直方圖統計方法、面積、體積、圓度、方度、三角率等。其中，區域點的區域分布和點的直方圖統計方法的研究備受關注。*近，Shu等[11]提出了一種基于點的區域分布方法，該方法通過統計極坐標下圖像輪廓直方圖(contour points distribution histogram，CPDH)描述物體形狀，符合人類視覺感知的特點，計算復雜度低，具有縮放和平移不變性，具體計算過程如圖1.4所示。同時，該方法給出了一種新的 EMD(earth mover’s distance)計算方法，經過 CPDH處理后利用 EMD計算特征向量相似度，使得 CPDH在特征匹配中有一定優勢。實驗表明，該方法對各類形狀有較強的描述能力，具有較好的檢索效果。 RPD(rolling penetrate descriptor)[12]是一種基于系列穿過形狀質心掃描線的形狀函數方法，具體過程如圖1.5所示。選取一條掃描線，繞著形狀的質心旋轉，旋轉過程中計算三種形狀函數并作為形狀特征。 圖1.4 CPDH方法統計過程[11] RPD方法可同時兼顧物體的內部結構信息和邊界信息。 RPD描述符具有旋轉不變性、抗噪性，對扭曲、部分遮擋圖像仍表現出較強的形狀描述能力。同時，該方法的研究思路可應用于其他領域。 圖1.5 RPD形狀特征的計算過程[12] 從某種意義上說，形狀上下文(shape context)[13]也是一種相對于參考點分布的直方圖方法，具有全局識別能力。計算過程如圖1.6所示，其中(a)，(b)為兩幅圖像輪廓系列采樣點，圖中○和△為參考點；(c)為計算直方圖所用的對數-極坐標系；(d)，(f)分別為(a)中○、△參考點對應的直方圖；(e)為(b)中參考點◇的直方圖，(g)為(a)與(b)在對數-極坐標系下直方圖間的χ2距離。(d)和(e)表明，圖(a)參考點○和圖(b)中參考點◇的直方圖相似，參考點△的直方圖明顯不同于前兩者。由此推斷，該方法與參考點的選擇有關，與參考點位置較近的點距離較小，與參考點位置較遠的點距離較大。 Panagiotis等[14]提出了一種基于自適應層次密度直方圖的圖像檢索方法。該方法首先把灰度圖像分割成不同區域，然后利用自適應層次分解法對圖像進行分解，對每一層的不同區域統計相對密度向量，并對其進行量化處理，*后重建出特征向量，類似金字塔形的循環過程。該特征具有較高準確率，較低的計算復雜度，具有平移、放縮、旋轉不變性。但是，該方法缺乏內在幾何不變性，限制了該方法的應用和推廣。 圖1.6 形狀上下文計算過程[13] 客觀地說，每種特征提取方法都有自己的優缺點，迄今還沒有一種能涵蓋所有優點的算法。對部分典型二維形狀提取算法的特點進行總結，如表1.1所示。 表1.1 典型二維形狀提取算法的特點 1.2.2 三維形狀特征的提取方法 三維形狀特征是從幾何信息上找到與人類感知特點相似的形狀特征。已有的三維形狀特征的提取方法包括實體 B-rep模型方法、形狀分布函數方法、拓撲結構方法、三維矩方法等，如圖1.7所示。 1．實體 B-rep模型方法 實體 B-rep模型方法從實體模型結構特性提取形狀特征。通常情況下，將實體 B-rep模型轉化為屬性圖后提取特征，但是基于 B-rep結構的方法一般不能表
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
史學評論
- >
煙與鏡
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
本類暢銷
