《面向SIFT特徵描述的三維模型檢索技術研究》是依託北京航空航天大學，由冷彪擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向SIFT特徵描述的三維模型檢索技術研究
- 依託單位：北京航空航天大學
- 項目負責人：冷彪
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
採用SIFT描述子對模型進行特徵提取被認為是最有前途的三維模型檢索技術之一，具有非常重要的理論和套用價值。該技術的研究在國際上仍是嶄新且富有挑戰性的，有很多問題尚未解決。本課題針對基於視覺信息的三維模型檢索技術中存在的三個主要問題，研究SIFT特徵點重複率與模型觀察點角度變化之間的關係，結合正多面體的幾何屬性，設計三維模型投影方法；針對模型投影圖像，研究邊緣和輪廓曲率融合的分割技術，定點陣圖像中不同語義部分之間的分割線；研究投影圖像中SIFT特徵點的篩選方法，以及SIFT特徵向量的降維方法；研究基於三維模型空間屬性的分割區域特徵重組技術。重點突破SIFT描述子與三維模型檢索結合的技術理論和套用方法，確立面向SIFT特徵描述的三維模型檢索技術，開發面向SIFT特徵描述的三維模型檢索平台原型系統，為推動三維模型檢索技術的發展做出貢獻。
結題摘要
計算技術、計算機硬體和網路技術的發展促使了三維模型在眾多領域的套用。由於三維模型數量的快速增長，三維模型的理解與檢索技術逐漸成為研究熱點。 本項目的研究成果包括三個內容： （1）三維模型投影技術。項目首先根據SIFT描述子的仿射不變性特徵，提出了一種無需旋轉標準化的投影模型。通過理論證明和實驗驗證了將正二十面體的頂點觀察模型對於基於投影面的三維模型檢索來說是最為理想的觀察模型。此外，本項目還提出了一種基於馬爾可夫隨機場的視圖選擇方法。該方法首先將三維模型中所有的視點看成一個馬爾可夫隨機場，並根據視點的空間位置和視點對應的視圖信息對所有視點進行分割，形成不同的視點區域，然後利用視點區域中所有視圖信息提取成一幅該視點區域的代表性視圖。 （2）基於SIFT的三維模型檢索技術。項目首先研究了SIFT和Dense-SIFT特徵描述子在三維模型檢索框架下的表示效果。由於其表示三維模型特徵維數太大，故採用bag-of-words方法減低特徵向量維度。該方法對所有的SIFT和Dense-SIFT特徵採用K均值聚類算法，計算得到辭彙樹，從而根據辭彙樹生成每個模型的bag-of-words。然後，我們將LDA模型套用到基於視覺的三維模型檢索方法中，把每一個三維模型的所有二維投影面視為一個文檔。在基於LDA的主題模型中，主題的數量是固定的，而主題數量的粒度對於檢索效果是一個比較關鍵的參數，但找到最佳的主題數量比較困難。因此，項目提出了一種基於多主題模型和相關性反饋的三維模型檢索技術，即用一組有不同主題數量的主題模型進行線性最佳化組合，而線性組合的比例參數由用戶反饋機制學習得到。實驗採用國際公認的模型庫和標準的評價機制，實驗結果表明本項目提出的算法具有較好的檢索效果，明顯優於現有多種相關算法，研究成果發表在國際頂級期刊IEEE Transactions on Image Processing。 （3）基於深度學習的三維模型檢索技術。數據表示是三維模型檢索中一個重要環節。最新研究表明深度學習機制具有強大的數據表述能力。項目提出了一個基於深度信念網路的三維模型檢索技術。三維模型的特徵通過訓練好的深度信念網學習得到，採用逐層貪婪的訓練方法對深度信念網路進行訓練，並利用反向傳播算法對訓練得到的網路參數進行調優，實驗結果表明該算法的檢索效果顯著優於現有多種相關算法。
