致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第1章 绪论 | 第13-25页 |
1.1 引言 | 第13-14页 |
1.2 国内外研究现状 | 第14-21页 |
1.2.1 三维模型特征提取技术 | 第14-16页 |
1.2.2 三维模型分割技术 | 第16-19页 |
1.2.3 机器学习在三维模型特征提取与分割中的应用 | 第19-21页 |
1.3 研究内容及意义 | 第21-22页 |
1.4 本文组织和框架 | 第22-25页 |
第2章 基于高斯曲率的复杂曲面特征提取方法 | 第25-42页 |
2.1 引言 | 第25-26页 |
2.2 复杂曲面特征提取技术 | 第26-34页 |
2.2.1 现有复杂曲面特征提取技术 | 第26-28页 |
2.2.2 基于高斯映射的复杂曲面特征提取 | 第28-29页 |
2.2.3 基于顶点高斯曲率密度直方图的复杂曲面特征提取 | 第29-34页 |
2.3 基于权值估计的复杂曲面特征融合 | 第34-37页 |
2.3.1 复杂曲面特征提取及归一化 | 第35-36页 |
2.3.2 复杂曲面特征的权值估计 | 第36-37页 |
2.3.3 基于权值分配的复杂曲面特征融合 | 第37页 |
2.4 墓于高斯曲率的复杂曲面特征提取实验 | 第37-41页 |
2.4.1 基于高斯映射的复杂曲面特征提取方法实验 | 第37-38页 |
2.4.2 基于高斯曲率的复杂曲面特征提取方法实验 | 第38-41页 |
2.5 本章小结 | 第41-42页 |
第3章 基于机器学习的复杂曲面高斯曲率阈值估计方法 | 第42-56页 |
3.1 引言 | 第42-43页 |
3.2 高斯曲率阈值在复杂曲面分割中的作用 | 第43-46页 |
3.2.1 主曲率求解 | 第43-44页 |
3.2.2 高斯曲率求解 | 第44-45页 |
3.2.3 高斯曲率阈值在复杂曲面分割中的作用 | 第45-46页 |
3.3 基于半监督学习的复杂曲面高斯曲率阈值估计 | 第46-51页 |
3.3.1 基于半监督学习的复杂曲面特征与高斯曲率阈值映射 | 第46-48页 |
3.3.2 基于阈值模型的复杂曲面高斯曲率阈值估计 | 第48-51页 |
3.4 基于半监督学习的复杂曲面高斯曲率阈值估计实验设计与验证 | 第51-55页 |
3.4.1 基于半监督学习的复杂曲面高斯曲率阈值估计实验设计 | 第51-54页 |
3.4.2 基于半监督学习的复杂曲面高斯曲率阈值估计有效性验证 | 第54-55页 |
3.5 本章小结 | 第55-56页 |
第4章 基于高斯曲率阈值的复杂曲面分割方法 | 第56-68页 |
4.1 引言 | 第56-57页 |
4.2 现有基于曲率信息的复杂曲面分割方法分析 | 第57页 |
4.3 基于高斯曲率阈值的复杂曲面分割算法流程 | 第57-63页 |
4.3.1 三维模型高斯曲率阈值估计 | 第58-59页 |
4.3.2 待分割三维模型边界线标定 | 第59-62页 |
4.3.3 待分割三维模型区域标定及模型分割 | 第62-63页 |
4.4 基于高斯曲率阈值的复杂曲面分割算法实验 | 第63-67页 |
4.4.1 基于高斯曲率阈值的复杂曲面分割算法设计 | 第63-64页 |
4.4.2 基于高斯曲率阈值的复杂曲面分割算法有效性验证 | 第64-66页 |
4.4.3 基于曲率信息的复杂曲面分割算法对比 | 第66-67页 |
4.5 本章小结 | 第67-68页 |
第5章 复杂曲面三维模型分割系统的开发及其应用 | 第68-83页 |
5.1 引言 | 第68页 |
5.2 复杂曲面三维模型分割系统总体设计 | 第68-72页 |
5.2.1 复杂曲面三维模型分割系统总体框架设计 | 第69-71页 |
5.2.2 复杂曲面三维模型分割系统模块设计 | 第71-72页 |
5.3 复杂曲面三维模型分割系统核心功能模块实现及应用 | 第72-82页 |
5.3.1 基于机器学习估计高斯曲率阈值模块 | 第73-76页 |
5.3.2 复杂曲面三维模型边界划分模块 | 第76-78页 |
5.3.3 复杂曲面三维模型分割模块 | 第78-82页 |
5.4 本章小结 | 第82-83页 |
第6章 总结与展望 | 第83-85页 |
6.1 全文总结 | 第83-84页 |
6.2 工作展望 | 第84-85页 |
参考文献 | 第85-90页 |
作者简介 | 第90页 |