基于张量子空间的三维模型特征提取及检索方法

吉林大学学报(信息科学版) ›› 2016, Vol. 34 ›› Issue (5): 645-650.

基于张量子空间的三维模型特征提取及检索方法

王新颖, 岳远扬

长春工业大学计算机科学与工程学院, 长春 130012

收稿日期:2015-08-15 出版日期:2016-09-24 发布日期:2017-01-16
作者简介:王新颖(1979—), 女, 长春人, 长春工业大学副教授, 博士, 硕士生导师, 主要从事机器学习、数据挖掘、三维模型检索等研究, (Tel)86-15943029559(E-mail)wang_xinying1979@163. com。
基金资助:
国家自然科学基金资助项目(61303132); 吉林省科技厅自然科学基金资助项目(201215127)

Method of 3D Model Feature Extraction and Retrieval Based on Tensor Subspace Learning

WANG Xinying, YUE Yuanyang

College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China

Received:2015-08-15 Online:2016-09-24 Published:2017-01-16

摘要/Abstract

摘要： 为提高三维模型的检索效率, 针对三维模型特征提取方法进行了研究, 在多线性主成分分析(MPCA:Multi-Linear Principal Component Analysis)的基础上, 提出了一种加权多线性主成分分析(WMPCA: Weighted Multi-Linear Principal Component Analysis)方法, 并将其应用于三维模型特征提取中。该方法首先将三维模型转化为多角度的二维投影图像, 然后从多方向上通过张量进行特征提取, 最后将提取到的特征应用到三维模型检索中。对 Princeton Shape Benchmark 的实验表明, 该特征提取方法比经典的形状分布方法平均检索效率提高7%, 比传统的 MPCA 特征提取方法的平均检索效率提高 3%。

关键词: 张量子空间, 多线性主成分分析, 三维模型检索

Abstract: Feature extraction method for 3D model was studied. A method of WMPCA(Weighted Multi-linear Principal Component Analysis) for feature extraction based on MPCA(Multi-Linear Principal Component Analysis) was proposed, and it was applied to 3D model feature extraction. Firstly, the 3D model was transformed into multi-angle 2D projection images, and then were extracted features using tensor from multi-direction. Finally, the extracted features were applied to 3D model retrieval. Experimental results on Princeton Shape Benchmark show that the feature extraction method is better than classical shape distribution method and traditional MPCA method.

Key words: 3D model retrieval, multi-linear principal component analysis (MPCA), tensor subspace learning

中图分类号:

TP391

王新颖, 岳远扬. 基于张量子空间的三维模型特征提取及检索方法[J]. 吉林大学学报(信息科学版), 2016, 34(5): 645-650.

WANG Xinying, YUE Yuanyang. Method of 3D Model Feature Extraction and Retrieval Based on Tensor Subspace Learning[J]. Journal of Jilin University(Information Science Ed, 2016, 34(5): 645-650.

[1]	李温温，刘富，姜守坤. 基于引导滤波的指节纹图像增强算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 409-413.
[2]	张勇，张溯，王旭东，路阳，王臣. 基于时频域特征的场景音频研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 300-305.
[3]	任伟建，宋月，陈建玲，任璐，孙勤江. 基于改进的卷积神经网络的钢号识别[J]. 吉林大学学报(信息科学版), 2018, 36(3): 325-332.
[4]	刘富，刘星，康冰. 基于浅层残差网络的视线估计算法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 333-338.
[5]	刘欢，范亚芹，梁乃生. 基于网络信息的混合推荐算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 339-344.
[6]	卢韶芳，关馨，韩长明. 快速提取旋转体轮廓母线方法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 269-276.
[7]	张雯頩，康冰. 驾驶员疲劳状态检测方法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 252-259.
[8]	黄岩，刘金蟾，孔垂禹，张赛男. 基于 FPGA 的视频图像提取研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 283-288.
[9]	于超, 王璐, 程道文. 基于本体的教育资源语义检索系统研究[J]. 吉林大学学报(信息科学版), 2018, 36(2): 207-212.
[10]	刘克平, 李西卫, 李岩, 于微波. 基于边缘信息的SIFT 图像匹配算法[J]. 吉林大学学报(信息科学版), 2018, 36(2): 200-206.
[11]	罗威林,周大可,杨欣 . 基于超像素显著性的无人机引导区域提取[J]. 吉林大学学报(信息科学版), 2018, 36(1): 41-47.
[12]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[13]	王玉,宁可新,朱蕾蕾 . 基于 TLS 和 JWT 远程救助系统安全的 API[J]. 吉林大学学报(信息科学版), 2017, 35(6): 656-661.
[14]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[15]	王旭阳, 姜喜秋. 特定领域概念属性关系抽取方法研究[J]. 吉林大学学报(信息科学版), 2017, 35(4): 430-437.