دوره 11، شماره 1 - ( 6-1393 )                   جلد 11 شماره 1 صفحات 72-59 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

mirloo M, ebrahimnezhad H. Semantic Segmentation of 3D Model Objects based on Salient Points and Core Extraction. JSDP 2014; 11 (1) :59-72
URL: http://jsdp.rcisp.ac.ir/article-1-189-fa.html
میرلو مهسا، ابراهیم نژاد حسین. بخش‌بندی معنادار مدل‌ سه‌بعدی اجسام بر اساس استخراج برجستگی‌ها و هسته جسم. پردازش علائم و داده‌ها. 1393; 11 (1) :59-72

URL: http://jsdp.rcisp.ac.ir/article-1-189-fa.html


دانشگاه صنعتی سهند
چکیده:   (8314 مشاهده)
بخش‌بندی مدل‌های سه‌بعدی نقش مهمی در پردازش این مدل‌ها از جمله بازیابی، فشرده‌سازی و نهان‌نگاری مدل‌های سه‌بعدی دارد. در این مقاله روش جدیدی برای بخش‌بندی مدل‌های سه‌بعدی بر اساس استخراج نقاط برجسته ارائه شده است. تحقیقات علوم شناختی، تجزیه جسم سه‌بعدی به بخش‌های ساده‌تر را به عنوان یکی از راه‌های تحلیل و تشخیص اجسام سه‌بعدی توسط انسان معرفی کرده است. بر این اساس بخش‌های حاصل از تجزیه جسم سه‌بعدی، به دو دسته کلی هسته و بخش‌های برجسته تقسیم می‌شوند. در روش پیشنهادی، ابتدا مرکز ثقل مدل سه‌بعدی محاسبه می‌شود. سپس نقطه‌ای با بیشترین فاصله اقلیدسی از مرکز مدل به عنوان نقطه برجسته که نماینده بخش برجسته‌ای از مدل است، انتخاب و همسایگی ژئودزیکی آن از مجموعه جستجوی نقاط برجسته حذف می‌شود. این فرآیند تا یافتن تمام بخش‌های برجسته ادامه می‌یابد. سپس هسته مدل به عنوان قسمتی که سایر بخش‌های برجسته را به یکدیگر متصل می‌کند، شناسایی شده و به این ترتیب بخش‌بندی مدل سه‌بعدی صورت می‌پذیرد. معرفی مرکز ثقل مدل به عنوان نقطه مرجع، استفاده هم‌زمان از فاصله اقلیدسی و ژئودزیکی و حذف همسایگی نقطه برجسته انتخابی از مجموعه جستجوی نقاط باعث مقاوم شدن الگوریتم پیشنهادی در برابر تبدیلات جابجایی، چرخش و تغییر وضعیت مدل و همچنین باعث افزایش سرعت اجرای الگوریتم پیشنهادی نسبت به سایر الگوریتم‌ها شده است.
متن کامل [PDF 2772 kb]   (1934 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1392/9/20 | پذیرش: 1393/2/21 | انتشار: 1393/6/17 | انتشار الکترونیک: 1393/6/17

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.