中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2013年
8期
1004-1010
,共7页
最优视图%统计学习%形状特征%边缘熵
最優視圖%統計學習%形狀特徵%邊緣熵
최우시도%통계학습%형상특정%변연적
best view%statistical learning%shape feature%edge entropy
已有视图度量无法同时描述3维模型整体和局部细节特征,因此难以得到理想的最优视图.提出一种结合统计分类和视图边缘细节特征的最优视图提取算法.首先,采用Adaboost进行样例学习,通过最优视图之间的几何特征相似性得到候选视图集合.然后,定义边缘分布熵对候选视图进行局部特征分析,用以提取最优视图,从而使提取出来的最优视图能够有效描述出3维模型的结构特征和内在细节特征,符合人类视觉感知效果.最后,通过3维模型数据库对算法进行统计分析.实验结果表明,本文算法要优于类似的最优视图算法.
已有視圖度量無法同時描述3維模型整體和跼部細節特徵,因此難以得到理想的最優視圖.提齣一種結閤統計分類和視圖邊緣細節特徵的最優視圖提取算法.首先,採用Adaboost進行樣例學習,通過最優視圖之間的幾何特徵相似性得到候選視圖集閤.然後,定義邊緣分佈熵對候選視圖進行跼部特徵分析,用以提取最優視圖,從而使提取齣來的最優視圖能夠有效描述齣3維模型的結構特徵和內在細節特徵,符閤人類視覺感知效果.最後,通過3維模型數據庫對算法進行統計分析.實驗結果錶明,本文算法要優于類似的最優視圖算法.
이유시도도량무법동시묘술3유모형정체화국부세절특정,인차난이득도이상적최우시도.제출일충결합통계분류화시도변연세절특정적최우시도제취산법.수선,채용Adaboost진행양례학습,통과최우시도지간적궤하특정상사성득도후선시도집합.연후,정의변연분포적대후선시도진행국부특정분석,용이제취최우시도,종이사제취출래적최우시도능구유효묘술출3유모형적결구특정화내재세절특정,부합인류시각감지효과.최후,통과3유모형수거고대산법진행통계분석.실험결과표명,본문산법요우우유사적최우시도산법.