多特征三维模型检索技术研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.3 本文工作 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 相关理论和技术 | 第18-28页 |
| 2.1 三维模型检索 | 第18-21页 |
| 2.1.1 三维模型的来源 | 第18页 |
| 2.1.2 三维模型的表示方法 | 第18-20页 |
| 2.1.3 三维模型检索系统框架 | 第20-21页 |
| 2.2 预处理 | 第21-23页 |
| 2.2.1 平移变换 | 第21-22页 |
| 2.2.2 旋转归一化 | 第22-23页 |
| 2.2.3 尺度归一化 | 第23页 |
| 2.3 常用的特征提取方法 | 第23-25页 |
| 2.3.1 基于统计特征的特征提取方法 | 第23-24页 |
| 2.3.2 基于函数分析的特征提取方法 | 第24页 |
| 2.3.3 基于视图的特征提取方法 | 第24页 |
| 2.3.4 基于混合特征特征提取方法 | 第24-25页 |
| 2.4 相似度计算 | 第25-26页 |
| 2.5 性能评价标准 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于形状上下文的多特征三维模型检索方法 | 第28-48页 |
| 3.1 检索框架 | 第28-29页 |
| 3.2 多视图投影 | 第29-30页 |
| 3.3 特征提取 | 第30-36页 |
| 3.3.1 提取ORB特征 | 第30-32页 |
| 3.3.2 各向异性扩散滤波 | 第32-33页 |
| 3.3.3 提取Canny边缘特征 | 第33-34页 |
| 3.3.4 提取形状上下文描述子 | 第34-36页 |
| 3.4 计算相似度 | 第36-38页 |
| 3.4.1 改进RANSAC算法 | 第36-38页 |
| 3.4.2 匈牙利算法 | 第38页 |
| 3.5 特征融合 | 第38-39页 |
| 3.6 算法流程 | 第39-40页 |
| 3.7 实验 | 第40-47页 |
| 3.7.1 实验环境和数据 | 第40-41页 |
| 3.7.2 评价标准 | 第41页 |
| 3.7.3 实验结果 | 第41-47页 |
| 3.8 本章小结 | 第47-48页 |
| 第4章 多特征自适应融合三维模型检索方法 | 第48-62页 |
| 4.1 检索框架 | 第48-49页 |
| 4.2 多视图投影 | 第49页 |
| 4.3 特征提取 | 第49-52页 |
| 4.3.1 提取ORB特征 | 第50页 |
| 4.3.2 提取形状直方图 | 第50-52页 |
| 4.3.3 各向异性扩散滤波 | 第52页 |
| 4.3.4 提取Canny描述子 | 第52页 |
| 4.3.5 提取形状上下文描述子 | 第52页 |
| 4.4 计算相似度 | 第52-53页 |
| 4.4.1 计算ORB特征相似度 | 第52页 |
| 4.4.2 计算LESH相似度 | 第52-53页 |
| 4.4.3 计算形状上下文特征相似度 | 第53页 |
| 4.5 多特征自适应融合 | 第53-55页 |
| 4.5.1 计算基准特征 | 第54页 |
| 4.5.2 计算特征权值 | 第54-55页 |
| 4.5.3 计算距离相似度 | 第55页 |
| 4.6 算法流程 | 第55-56页 |
| 4.7 实验 | 第56-61页 |
| 4.7.1 实验环境与数据 | 第56页 |
| 4.7.2 评价标准 | 第56页 |
| 4.7.3 实验结果 | 第56-61页 |
| 4.8 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间公开发表的论文 | 第72页 |
