三维模型检索中的语义与形状异构特征融合

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (增刊1): 359-363.

三维模型检索中的语义与形状异构特征融合

王新颖¹, 刘钢², 谷方明³, 肖巍¹

1. 长春工业大学计算机科学与工程学院,长春 130012;
2. 长春工业大学软件学院,长春 130012;
3. 吉林大学计算机科学与技术学院,长春 130012

收稿日期:2012-05-23 出版日期:2012-09-01 发布日期:2012-09-01
作者简介:王新颖(1979-),女,讲师,博士.研究方向:三维模型检索,数据挖掘.E-mail:xinying_wang2005@tom.com
基金资助:
国家自然科学基金项目(60903080);吉林省科技厅青年科研基金项目(201201131);吉林大学基本科研业务费项目(450060481091,450060481194).

Heterogeneous feature fusion method based on semantic and shape for 3D model retrieval

WANG Xin-ying¹, LIU Gang², GU Fang-ming³, XIAO Wei¹

1. College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China;
2. School of Software, Changchun University of Technology, Changchun 130012, China;
3. College of Computer Science and Technology , Jilin University , Changchun 130012, China

Received:2012-05-23 Online:2012-09-01 Published:2012-09-01

摘要/Abstract

摘要： 三维模型检索是多媒体信息检索领域的重要组成部分,由于"语义鸿沟"的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决"语义鸿沟"的关键是将三维模型的底层形状特征与高层语义特征进行有效融合,为此提出一种三维模型的语义与形状异构特征融合方法,该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达,并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合,最后将融合后的新特征应用于三维模型检索中。在Princeton shape benchmark上的测试表明,该方法的检索结果明显好于单纯形状特征的检索结果。

Abstract: The performance of shape-based method for 3D model retrieval is not satisfactory, because of the semantic gap. That the pure shape feature could not express 3D model semantically. To improve retrieval performance, heterogeneous feature fusion method based on semantic and shape is proposed. Semantic relationship comes from the users' retrieval records of shape-based retrieval and is used to construct the semantic space. Then we adopt subspace learning method to fuse semantic feature and shape feature of 3D models. Experiments on Princeton Shape Benchmark show the effectiveness of the proposed method.

Key words: computer systems organization, canonical correlation analysis, feature fusion, 3D model retrieval, relevance feedback

中图分类号:

TP391

王新颖, 刘钢, 谷方明, 肖巍. 三维模型检索中的语义与形状异构特征融合[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 359-363.

WANG Xin-ying, LIU Gang, GU Fang-ming, XIAO Wei. Heterogeneous feature fusion method based on semantic and shape for 3D model retrieval[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 359-363.

参考文献

[1] You Chun Fong, Tsai Yi Lung. 3D solid model retrieval for engineering reuse based on local feature correspondence[J].International Journal of Advanced Manufacturing Technology,2010, 46:649-661.

[2] Lmaati E A, El Oirrak, Kaddioui M N, et al. 3D model retrieval based on 3D discrete cosine transform[J].International Arab Journal of Information Technology, 2010,7(3):264-270.

[3] Gao Yue, Dai Qiong-hai, Wang Meng, et al. 3D model retrieval using weighted bipartite graph matching[J].Signal Processing: Image Communication, 2011,26:39-47.

[4] 杨育彬, 林珲,朱庆. 基于内容的三维模型检索综述[J]. 计算机学报,2004,27(10):1297-1310. Yang Yu-bin, Lin Hui, Zhu Qing. Content-based 3D model retrieval : A survey[J]. Chinese Journal of Computers, 2004,27(10):1297-1310.

[5] Zhao R, Grosky W I. Negotiating the semantic gap: from feature maps to semantic landscapes[J]. Pattern Recognition, 2002,35(3): 51-58.

[6] Philip Shilane, Thomas Funkhouser. Distinctive regions of 3D surfaces[J]. ACM Transactions on Graphics, 2007,26(2):Article 7.

[7] Shilane P, Min P, Kazhdan M, et al. The princeton shape benchmark[C]//International Conference on Shape Modeling and Applications 2004 (SMI'04),2004:388-399.

[8] Hamid Laga, Hiroki Takahashi, Masayuki Nakajima. Spherical wavelet descriptors for content-based 3D model retrieval:shape modeling and applications[C]//IEEE International Conference, 2006:15-26.

[9] Leifman G, Meir Ron, Tal Ayellet. Semantic oriented 3d shape retrieval using relevance feedback[C]//Visual Computing, 2005, 21(8): 865-875.

[10] Jolliffe I. Principal Component Analysis[M]. Springer Verlag, 2002.

[11] Belhumeur P N, Hespanha J P, Kriegman D J. Eigenfaces vs. Fisher faces:recognition using class specific linear projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(7):711-720.

[12] Hotelling H. Relations between two sets of variates[J]. Biometrika, 1936, 28:321-377.

[13] Heczko M, Keim D, Saupe D, et al. Methods for similarity search on 3D data-bases[J]. Datenbank-Spektrum, 2002,2(2):54-63.

[14] Pelleg D, Moore A. X-means: extending K-means with efficient estimation of the number of clusters[C]//In Proc 17th ICML, Stanford University, 2000:89-97.

[15] Zhao Ying, Karypis George. Criterion functions for document clustering: experiment and analysis. University of Minnesota, Technical Report, 2001:1-40.

相关文章 15

[1]	余宜诚, 胡亮, 迟令, 初剑峰. 一种改进的适用于多服务器架构的匿名认证协议[J]. 吉林大学学报(工学版), 2018, 48(5): 1586-1592.
[2]	董坚峰, 张玉峰, 戴志强. 改进的基于狄利克雷混合模型的推荐算法[J]. 吉林大学学报(工学版), 2018, 48(2): 596-604.
[3]	赵博, 秦贵和, 赵永哲, 杨文迪. 基于半陷门单向函数的公钥密码[J]. 吉林大学学报(工学版), 2018, 48(1): 259-267.
[4]	刘磊, 刘利娟, 吴新维, 张鹏. 基于ECPMR的编译器测试方法[J]. 吉林大学学报(工学版), 2017, 47(4): 1262-1267.
[5]	董立岩, 王越群, 贺嘉楠, 孙铭会, 李永丽. 基于时间衰减的协同过滤推荐算法[J]. 吉林大学学报(工学版), 2017, 47(4): 1268-1272.
[6]	于斌斌, 武欣雨, 初剑峰, 胡亮. 基于群密钥协商的无线传感器网络签名协议[J]. 吉林大学学报(工学版), 2017, 47(3): 924-929.
[7]	邓昌义, 郭锐锋, 张忆文, 王鸿亮. 基于平衡因子的动态偶发任务低功耗调度算法[J]. 吉林大学学报(工学版), 2017, 47(2): 591-600.
[8]	魏晓辉, 刘智亮, 庄园, 李洪亮, 李翔. 支持大规模流数据在线处理的自适应检查点机制[J]. 吉林大学学报(工学版), 2017, 47(1): 199-207.
[9]	郝娉婷, 胡亮, 姜婧妍, 车喜龙. 基于多管理节点的乐观锁协议[J]. 吉林大学学报(工学版), 2017, 47(1): 227-234.
[10]	王生生, 郭湑, 张家晨, 王光耀, 赵欣. 基于全局与局部形状特征融合的形状识别算法[J]. 吉林大学学报(工学版), 2016, 46(5): 1627-1632.
[11]	魏晓辉, 李翔, 李洪亮, 李聪, 庄园, 于洪梅. 支持大规模流数据处理的弹性在线MapReduce模型及拓扑协议[J]. 吉林大学学报(工学版), 2016, 46(4): 1222-1231.
[12]	车翔玖, 梁森. 一种基于大顶堆的SPIHT改进算法[J]. 吉林大学学报(工学版), 2016, 46(3): 865-869.
[13]	张浩, 刘海明, 吴春国, 张艳梅, 赵天明, 李寿涛. 基于多特征融合的绿色通道车辆检测判定[J]. 吉林大学学报(工学版), 2016, 46(1): 271-276.
[14]	董悦丽, 郭权, 孙斌, 康玲. 药物分子对接动态任务迁移优化[J]. 吉林大学学报(工学版), 2015, 45(4): 1253-1259.
[15]	杨欣，刘加，周鹏宇，周大可. 基于多特征融合的粒子滤波自适应目标跟踪算法[J]. 吉林大学学报(工学版), 2015, 45(2): 533-539.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed