一种基于正交视图的三维模型多特征匹配算法

针对现今多数三维检索算法在匹配精度、检索速度以及算法复杂度三者难以相互兼顾的问题,文中提出一种基于正交视图的三维模型多特征匹配算法。首先对被检索三维模型的6个正视角进行投影,获得6个正视图像;接着分别用灰度级图像来描述各个正视图特征,并根据投影后模型各面的分布情况填补顶点与面片之间的间隙;然后动态提取每个灰度级图像的投影直方图特征和Zernike矩特征;最后在分析各特征的优缺点的基础上,融合多个特征来匹配三维模型的相似度。与传统LFD算法和D2算法进行对比实验,结果表明,文中算法能较好地提高对三维模型检索的查全率与查准率,具有计算量小、匹配精度高、运行速度快的优点。     

基于轮廓特征点的三维模型相似性匹配算法

针对Heczko算法容易丢失一些表示三维模型轮廓的重要信息,从而降低匹配准确性这一问题,研究了一种基于轮廓特征点的三维模型相似性匹配算法。通过函数投影提取三维模型的轮廓,再提取每一个轮廓上的角点,把角点作为特征点,用特征点的曲率值构成一个点集,最后计算点集之间的Hausdorff距离,进行相似性匹配。实验结果表明该算法提高了三维模型的检索准确性。     

基于二维Gabor小波特征的三维人脸识别算法

分析三维人脸识别技术,提出一种基于Gabor小波特征的三维人脸识别算法。该算法采用二维Gabor小波特征精确且稳定地描述人脸特征,重建三维人脸模型并对其进行模板匹配,对匹配后的三维人脸模型进行线性判别分析。对基于ORL和UMIST两个人脸数据库的实验结果表明,该算法性能优良。     

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。     

结合三维几何形状信息和二维纹理的3D目标匹配

为了实现场景中三维目标与模型之间的匹配,提出了一种结合三维几何形状信息和二维纹理的三维目标匹配方法。首先提取场景中深度图像的尺度不变特征变换(SIFT)特征,用SIFT算法与三维模型重建时所用到的一系列2.5维深度图像进行一一匹配,找到与场景中目标姿态最为相似的深度图像,提取此深度图像的三维几何形状特征与模型进行匹配,实现模型的初始化,即将模型重置到与场景目标相接近的姿态。最后用融合二维纹理信息的迭代就近点（ICP）算法实现场景中目标与模型之间的匹配,从而得到场景中三维目标的准确姿态。实验结果验证了方法的可行性与精确性。     

基于特征点加细的多分辨率人脸形变模型及人脸建模

提出基于特征点加细的原型三维人脸对应方法建立多分辨人脸形变模型,并根据该形变模型的特点使用多分辨模型匹配方法由单张正面人脸图像进行三维人脸建模。该方法以人脸模型上的眼、眉、口、鼻等主要几何特征为基准点标注基础网格,然后通过加细特征点网格完成原型人脸之间的对应,进而建立多分辨率的形变模型;根据形变模型的构造特点,把待匹配图像按照与模型相同方式进行加细,然后进行多分辨的人脸模型匹配。实验结果表明,新的对应算法可以有效地实现原型三维人脸之间的对应,能够克服传统的光流对应算法对应效果差,算法精度低的缺陷,提高形变模型的精度。新的匹配算法不仅能够加速模型的匹配速度,而且可提高模型匹配的效率和精度,缩短模型匹配的时间。     

三维图匹配算法

目的 现有的图匹配算法大多应用于二维图像,对三维图像的特征点匹配存在匹配准确率低和计算速度慢等问题。为解决这些问题,本文将分解图匹配算法扩展应用在了三维图像上。方法 首先将需要匹配的两个三维图像的特征点作为图的节点集;再通过Delaunay三角剖分算法,将三维特征点相连,则相连得到的边就作为图的边集,从而建立有向图;然后,根据三维图像的特征点构建相应的三维有向图及其邻接矩阵;再根据有向图中的节点特征和边特征分别构建节点特征相似矩阵和边特征相似矩阵;最后根据这两个特征矩阵将节点匹配问题转化为求极值问题并求解。结果 实验表明,在手工选取特征点的情况下,本文算法对相同三维图像的特征点匹配有97.56%的平均准确率;对不同三维图像特征点匹配有76.39%的平均准确率;在三维图像有旋转的情况下,有90%以上的平均准确率;在特征点部分缺失的情况下,平均匹配准确率也能达到80%。在通过三维尺度不变特征变换（SIFT）算法得到特征点的情况下,本文算法对9个三维模型的特征点的平均匹配准确率为98.78%。结论 本文提出的基于图论的三维图像特征点匹配算法,经实验结果验证,可以取得较好的匹配效果。     

基于等距二分图的三维模型局部对齐

针对已有等距映射算法缺少局部特征约束所导致的错误对齐问题,提出等距二分图三维模型对齐算法.首先根据三维模型的多尺度特征得到匹配锚点;然后计算采样点到锚点的测地距离,形成等距二分图的对齐代价矩阵;最后采用二分图的最大权重匹配得到等距映射结果.实验结果表明,该算法能够解决不同姿态下的三维模型局部对齐问题,并且优于已有算法.     

改进的基于形变模型的三维人脸建模方法

提出了基于均匀网格重采样算法的原型三维人脸对应算法. 基于人脸特征实现原型三维人脸之间的对应, 克服了传统对应算法对应效果差，算法精度低的缺陷；提出了基于改进遗传算法的形变模型匹配算法. 新的匹配算法不依赖于目标函数的梯度信息和初值，全局搜索能力强. 优化过程中交叉和变异概率的调节机制，有效提高了算法的收敛速度和精度. 实验结果表明，新的对应算法可有效实现原型三维人脸之间的对应，提高形变模型的精度. 新的匹配算法能有效提高模型匹配的效率和精度，缩短模型匹配时间.     

基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法，该算法主要包括4个步骤：寻找匹配点；采用SFM算法计算出特征点的三维坐标，并组成稀疏的三维网格结构；采用分步紧支撑径向基函数进行三维插值，得到三维模型；最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上，从而增强真实感，与其它算法相比，该算法最大的不同之处在于匹配点的寻找，匹配点的准确与否直接影响SFM算法结果的正确性，许多寻找匹配点的算法如角点匹配算法，在处理人脸图像时得到的结果并不稳定，这是因为人脸图像上包含了许多低纹理和重复纹理区域，大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步，通过三维逼近运算，得到最终的重建模型，而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中，能够快速准确地找出SFM算法需要的匹配点，用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构。     

3维模型形状相似性比较算法综述

随着3维模型使用得日益广泛,对3维模型检索系统的研究,近年来日益受到了国内外广大研究人员的关注。3维模型形状相似性比较算法是3维模型检索系统的主要研究问题之一,很多学者对其进行了深入的研究并提出了很多算法。为了使人们对该领域现状有个概略了解,首先介绍了3维模型检索系统,同时回顾了近几年来3维模型检索技术的发展概况,并且从3维模型检索系统实用性的角度分析了3维模型形状相似性比较算法所应该具备的特点;然后对3维模型形状相似性比较算法进行了分类综述,同时分析了它们的特点,并对其中的一些算法进行了检索对比实验;最后归纳了3维模型形状相似性比较算法研究所面临的困难和挑战,指出了进一步研究此问题的发展空间,并对此问题进行了展望。     

一种基于球面调和描述子的3维模型相似性比较算法

提出了一种基于球面调和描述子的3维模型相似性比较算法。首先,对3维模型进行一分为二的递归分解,然后对每次递归分解得到的3维模型顶点集合进行球面映射得到其球面图像,最后计算所有球面图像的球面调和描述子得到3维模型的特征二叉树。通过对3维模型特征二叉树进行相似性比较可以得到3维模型的相似性。实验结果表明,该算法不仅能较好地比较3维模型相似性,而且对坐标系旋转变换、模型噪声、网格简化和细分具有较好的鲁棒性。     

视觉图像相似性在三维模型相似性比较中的应用

提出一种基于视觉的三维模型相似性比较算法.首先计算三维模型的带深度信息的正交平面投影图像,然后采用Zernike描述子和Reeb图比较这些正交投影图像的形状相似性,最后通过正交投影图像的形状相似性来获得三维模型的相似性.实验结果表明：该算法具有较好的三维模型检索准确性,并且对坐标系旋转变换、模型噪声、网格简化和细分具有较好的鲁棒性.     

基于正交投影的三维模型相似性比较算法研究*

提出了一种基于二维正交投影图像的三维模型相似性比较算法。首先计算三维模型的二维正交投影图像,然后提取二维正交投影图像的边缘轮廓夹角特征,并比较这些二维正交投影图像的相似性,最后通过二维正交投影图像的轮廓相似性来获取三维模型的相似性。实验验证了该算法的可行性,并且其对于三维模型检索所要求的平移、旋转和缩放不变性具有较好的鲁棒性。     

三维形状部分相似性匹配的逐点配对方法

为了计算2个三维模型可能存在的部分对应表面的形状相似问题,提出一种基于2个三维模型表面之间所有的点与点配对的三维形状匹配方法.在2个不同的部分中独立确定匹配的旋转参数与平移和尺度缩放参数,从而避免了形状匹配中计算量巨大的问题.其中,形状匹配的旋转参数通过匹配2个三维表面法线获得;平移和尺度缩放参数由2个三维表面对应点处切平面的结构关系确定.实验结果表明了该方法的可行性.     

深度特征融合的非刚性三维形状局部匹配

针对海量、异构三维形状匹配与智能检索技术的需求,提出了一种基于级联卷积神经网络(F-PointCNN)深度特征融合的三维形状局部匹配方法.首先,采用特征袋模型,提出几何图像表示方法,该几何图像不仅能够有效区分同类异构的非刚性三维模型,而且能够揭示大尺度不完整三维模型的结构相似性.其次,构建级联卷积神经网络学习框架F-PointCNN,其中,BoF-CNN从几何图像中学习深度全局特征,建立融合局部特征与全局特征的点特征表示;进而对Point-CNN进行点特征的细化与提纯,生成具有丰富信息的深度融合特征,有效提高形状特征的区分性与鲁棒性.最终,通过交叉矩阵度量方法高效实现非刚性三维模型的局部形状匹配.在公开的非刚性三维模型数据库的实验结果表明,该方法提取的特征在大尺度变换的形状分类及局部形状匹配中具有更强的识别力与更高的匹配精度.     

基于粒子群算法的三维CAD模型相似性计算

为了更加准确地度量两个模型之间的形状差异,提出了一种基于粒子群的模型相似性计算方法。利用面的组成边数来构造面相似度矩阵,通过粒子群算法对该矩阵进行搜索,得到了两个模型之间的最优面匹配序列。根据这个最优面匹配序列,从面相似度矩阵中提取对应的面相似性值。通过累积面之间的相似性来计算模型之间的整体相似性。以此为基础来度量模型之间的差异。实验结果表明：该方法能够准确地度量两个模型之间的相似程度。     

耳廓点云形状特征匹配的路径跟随算法

路径跟随算法结合凸松弛方法与凹松弛方法,通过跟随凸凹问题的解路径,近似地求解图匹配问题,具有较高的匹配精度.将路径跟随算法用于耳廓特征图的匹配问题:首先,基于PCA方法构造耳廓点云的显著性关键点集合;然后,采用乘积型参数域上的单值二次曲面方法拟合关键点邻域内的点集,并将曲面的局部形状特征定义为耳廓的局部形状相似测度;第三,对关键点集合进行Delaunay三角剖分,得到关键点集合在三维空间内的拓扑结构图,并定义关键点图的整体结构差异测度;最后,记耳廓关键点图的组合差异测度为关键点图的整体结构差异测度与关键点上的局部形状相似测度的线性组合,并基于路径跟随算法快速求解关键点图之间的精确匹配.相关实验结果表明:与其他相关算法相比,该算法具有较高的匹配效率和匹配精度.     

基于相似性学习的三维模型最优视图选择算法

针对已有最优视图度量难以适用于不同类型的三维模型,提出基于用户知识、在模型库中为各类模型建立最优视图样例,并在此基础上进行相似性学习,根据相似性度量获得输入模型最优视图的选择算法.首先采用AdaBoost算法对输入三维模型形状特征进行相似性学习,得到该模型的最优视图样例;然后将输入模型从不同视点得到的渲染视图和最优视图样例进行形状相似性分析,以相似度最高者作为输入模型的最优视图.实验结果表明,采用文中算法得到的最优视图不仅可以有效地逼近用户选择结果,而且具有较好的稳定性.     

拓扑和形状特征相结合的三维模型检索

针对整体相似性检索算法在局部细节特征上的表达能力不足,提出了一种将拓扑和形状特征相结合的三维模型相似性比较方法.首先提取三维模型的骨架,获得模型的整体拓扑特征;然后根据骨架节点将模型分解为多个子部分,并利用球面谐波算法提取每一个子部分的形状特征.模型的匹配分为3步进行:整体骨架的拓扑特征相似性比较,相对应的子部分的局部形状特征相似性比较,模型总的相似性是整体骨架相似性与对应子部分局部形状相似性的加权和.实验结果表明:该方法从整体到局部、由粗到精,综合考虑了拓扑和形状特征,较传统的考虑单一拓扑或形状特征的检索算法有较高的检索精度,同时又支持基于局部特征的相似性检索.