@ARTICLE{Mehrdad, author = {Behbahani, Fereshteh and Mehrdad, Vahid and Ebrahimnezhad, Hossein and }, title = {3D Models Recognition in Fourier Domain Using Compression of the Spherical Mesh up to the Models Surface}, volume = {16}, number = {2}, abstract ={در این مقاله توصیف‌گر نوین مدل سه­بعدی در حوزه فوریه پیشنهاد شده است. به‌منظور استخراج ویژگی در روش پیشنهادی، کره مش‌بندی‌شده محیط بر مدل، از بیرون مدل به سمت مرکز آن فشرده شده، سپس طول مسیری که رأس­های کره از ابتدا تا رسیدن به رویه مدل طی می­کنند، محاسبه می­شود. این مقادیر به‌منظور محاسبه تابع مسیر، که طول مسیر رأس­های مدل تا مرکز آن است، استفاده می­شوند. تابع به‌دست‌آمده در مقابل تغییرات ایزومتریک مقاوم و برای شناسایی مدل­های غیر­صلب بسیار کار آمد است. در ادامه، ضرایب فوریه تابع مسیر به‌عنوان بردار ویژگی محاسبه می­شوند و سپس بردار ویژگی استخراج‌شده در طبقه­بند SVM مورد استفاده قرار می­گیرد. با بهره­گیری از ویژگی پاسخ دامنه تبدیل فوریه سیگنال­های حقیقی، مدل در فضایی با ابعاد کمتر، بدون از دست­دادن ویژگی­های ذاتی خود توصیف شده، همچنین از نرمالیزاسیون حالت بی­نیاز می­شود. نتایج پیاده­سازی برروی پایگاه داده McGill نشان­دهنده دقت بالای روش پیشنهادی در طبقه­بندی مدل­های سه­بعدی است. }, URL = {http://jsdp.rcisp.ac.ir/article-1-633-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-633-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.29252/jsdp.16.2.3}, year = {2019} }