基于多特征融合的三维模型自适应分类方法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-10页 |
| ·国内外研究现状 | 第10页 |
| ·论文主要工作 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 三维模型检索技术概述 | 第13-26页 |
| ·三维模型检索框架 | 第13页 |
| ·三维模型归一化预处理 | 第13-16页 |
| ·平移变换 | 第14页 |
| ·旋转变换 | 第14-15页 |
| ·缩放变换 | 第15-16页 |
| ·三维模型特征提取 | 第16-21页 |
| ·形状直方图特征 | 第16-17页 |
| ·中轴骨架特征 | 第17-20页 |
| ·基于三维模型投影图像特征 | 第20-21页 |
| ·相似性度量 | 第21-22页 |
| ·检索性能评价 | 第22-23页 |
| ·典型的三维模型检索系统 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于视觉投影图像的多特征动态融合算法 | 第26-33页 |
| ·多特征动态融合算法来源及意义 | 第26页 |
| ·视觉投影图像的生成 | 第26-28页 |
| ·特征提取 | 第28-30页 |
| ·Zernike矩特征提取 | 第28-29页 |
| ·投影直方图特征提取 | 第29-30页 |
| ·动态融合特征与相似性比较 | 第30-31页 |
| ·系统实现与结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 聚类分析算法 | 第33-48页 |
| ·聚类方法分类 | 第33-34页 |
| ·聚类算法 | 第34-35页 |
| ·K-中心点算法 | 第34-35页 |
| ·CURE算法 | 第35页 |
| ·一种改进的OPTICS聚类方法 | 第35-45页 |
| ·高维聚类的特征筛选 | 第36-38页 |
| ·OPTICS聚类相关知识分析 | 第38-39页 |
| ·OPTICS聚类方法实现 | 第39-45页 |
| ·实验结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 三维模型库的自适应分类研究 | 第48-57页 |
| ·模型库数据组成 | 第48-50页 |
| ·三维模型获取 | 第48-50页 |
| ·文件格式统一 | 第50页 |
| ·模型分类标准 | 第50-54页 |
| ·分类规则设计 | 第51-53页 |
| ·学习库建立 | 第53-54页 |
| ·三维模型自适应分类研究 | 第54-56页 |
| ·模型特征的存储结构 | 第54页 |
| ·模型特征的融合方式 | 第54-55页 |
| ·学习库模型层次遍历算法设计 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 系统设计与实现 | 第57-64页 |
| ·系统功能 | 第57-58页 |
| ·系统结构设计 | 第58-59页 |
| ·数据库设计 | 第59-60页 |
| ·系统运行环境 | 第60-61页 |
| ·系统实现 | 第61-63页 |
| ·本章小节 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 工作总结 | 第64-65页 |
| 今后的工作 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
