دوره 16، شماره 2 - ( 6-1398 )
جلد 16 شماره 2 صفحات 18-3 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Behbahani F, Mehrdad V, Ebrahimnezhad H. 3D Models Recognition in Fourier Domain Using Compression of the Spherical Mesh up to the Models Surface. JSDP 2019; 16 (2) :3-18
URL: http://jsdp.rcisp.ac.ir/article-1-633-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-633-fa.html
بهبهانی فرشته، مهرداد وحید، ابراهیم نژاد حسین. شناسایی مدلهای سهبعدی در حوزه فوریه با استفاده از فشرده‌کردن کره مشی تا رویه مدل. پردازش علائم و داده‌ها. 1398; 16 (2) :3-18
گروه برق - الکترونیک، دانشکده فنی و مهندسی، دانشگاه لرستان
چکیده: (3630 مشاهده)
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.
واژه‌های کلیدی: ویژگیهای مبتنی بر محتوا، استخراج ویژگی، شناسایی مدلهای سهبعدی، طبقهبند SVM، تبدیل فوریه گسسته
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1395/10/26 | پذیرش: 1398/1/31 | انتشار: 1398/6/26 | انتشار الکترونیک: 1398/6/26
دریافت: 1395/10/26 | پذیرش: 1398/1/31 | انتشار: 1398/6/26 | انتشار الکترونیک: 1398/6/26
فهرست منابع
1. [1] I. Atmosukarto, K. Wilamowska, C. Heike, and L. G. Shapiro, "3D object classification using salient point patterns with application to craniofacial research," Pattern Recognition, vol. 43, no. 4, pp. 1502-1517, 2010. [DOI:10.1016/j.patcog.2009.11.004]
2. [2] Paquet and M. Rioux, "Nefertiti: a query by content system for three-dimensional model and image databases management," Image and Vision Computing, vol. 17, no. 2, pp. 157-166, 1999. [DOI:10.1016/S0262-8856(98)00119-X]
3. [3] M. Elad, A. Tal, and S. Ar, "Content based retrieval of VRML objects-an iterative and interactive approach," in Multimedia 2001: Springer, 2002, pp. 107-11. [DOI:10.1007/978-3-7091-6103-6_12]
4. [4] Osada, R., Funkhouser, T., Chazelle, B., & Dobkin, D. (2002). Shape distributions. ACM Transactions on Graphics (TOG), 21(4), 807-832. [DOI:10.1145/571647.571648]
5. [5] R. Ohbuchi, T. Minamitani, and T. Takei, "Shape-similarity search of 3D models by using enhanced shape functions," in Proceedings of Theory and Practice of Computer Graphics, 2003., 2003: IEEE, pp. 97-104.
6. [6] M. Mahmoudi and G. Sapiro, "Three-dimensional point cloud recognition via distributions of geometric distances," Graphical Models, vol. 71, no. 1, pp. 22-31, 2009. [DOI:10.1016/j.gmod.2008.10.002]
7. [7] G. Passalis, I. A. Kakadiaris, and T. Theoharis, "Intraclass retrieval of nonrigid 3D objects: Application to face recognition," IEEE Transactions on Pattern Analysis & Machine Intelligence, no. 2, pp. 218-229, 2007. [DOI:10.1109/TPAMI.2007.37] [PMID]
8. [8] A. M. Bronstein and M. M. Bronstein, "Spatially-sensitive affine-invariant image descriptors," in European Conference on Computer Vision, 2010: Springer, pp. 197-208. [DOI:10.1007/978-3-642-15552-9_15]
9. [9] J. Sun, M. Ovsjanikov, and L. Guibas, "A concise and provably informative multi‐scale signature based on heat diffusion," in Computer graphics forum, 2009, vol. 28, no. 5: Wiley Online Library, pp. 1383-1392. [DOI:10.1111/j.1467-8659.2009.01515.x]
10. [10] K. Gȩbal, J. A. Bærentzen, H. Aanæs, and R. Larsen, "Shape analysis using the auto diffusion function," in Computer Graphics Forum, 2009, vol. 28, no. 5: Wiley Online Library, pp. 1405-1413. [DOI:10.1111/j.1467-8659.2009.01517.x]
11. [11] Lee, C. H., Varshney, A., & Jacobs, D. W. (2005, July). Mesh saliency. In ACM transactions on graphics (TOG) (Vol. 24, No. 3, pp. 659-666). ACM. [DOI:10.1145/1073204.1073244]
12. [12] X. Li and I. Guskov, "Multiscale Features for Approximate Alignment of Point-based Sur-faces," in Symposium on geometry process-ing, 2005, vol. 255: Citeseer, p. 217.
13. [13] X. Li and I. Guskov, "3D object recognition from range images using pyramid matching," in 2007 IEEE 11th international conference on computer vision, 2007: IEEE, pp. 1-6. [DOI:10.1109/ICCV.2007.4408829]
14. [14] J. J. Koenderink and A. J. van Doorn, "The internal representation of solid shape with respect to vision," Biological cybernetics, vol. 32, no. 4, pp. 211-216, 1979. [DOI:10.1007/BF00337644] [PMID]
15. [15] Fred, A., Caelli, T., Duin, R. P., Campilho, A., & de Ridder, D. (Eds.). (2004). Structural, Syntactic, and Statistical Pattern Recognition: Joint IAPR International Workshops, SSPR 2004 and SPR 2004, Lisbon, Portugal, August 18-20, 2004 Proceedings (Vol. 3138). Springer Science & Business Media. [DOI:10.1007/b98738]
16. [16] J. Assfalg, A. Del Bimbo, and P. Pala, "Retrieval of 3d objects using curvature maps and weighted walkthroughs," in 12th International Conference on Image Analysis and Processing, 2003. Proceedings., 2003: IEEE, pp. 348-353.
17. [17] B. K. P. Horn, "Extended gaussian images," Proceedings of the IEEE, vol. 72, no. 12, pp. 1671-1686, 1984. [DOI:10.1109/PROC.1984.13073]
18. [18] D. Saupe and D. V. Vranić, "3D model retrieval with spherical harmonics and moments," in Joint Pattern Recognition Symposium, 2001: Springer, pp. 392-397. [DOI:10.1007/3-540-45404-7_52]
19. [19] R. M. Rustamov, "Laplace-Beltrami eigen-functions for deformation invariant shape representation," in Proceedings of the fifth Euro-graphics symposium on Geometry processing, 2007: Eurographics Association, pp. 225-233.
20. [20] M. Ovsjanikov, A. M. Bronstein, M. M. Bronstein, and L. J. Guibas, "Shape google: a computer vision approach to isometry invariant shape retrieval," in 2009 IEEE 12th International Conference on Computer Vision Workshops, ICCV Workshops, 2009: IEEE, pp. 320-327. [DOI:10.1109/ICCVW.2009.5457682]
21. [21] A. M. Bronstein, M. M. Bronstein, L. J. Guibas, and M. Ovsjanikov, "Shape google: Geometric words and expressions for invariant shape retrieval," ACM Transactions on Graphics (TOG), vol. 30, no. 1, p. 1, 2011. [DOI:10.1145/1899404.1899405]
22. [22] Z. Wu et al., "3d shapenets: A deep representation for volumetric shapes," in Pro-ceedings of the IEEE conference on computer vision and pattern recognition, 2015, pp. 1912-1920.
23. [23] Y. Liu, H. Zha, and H. Qin, "Shape topics: A compact representation and new algorithms for 3d partial shape retrieval," in 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06), 2006, vol. 2: IEEE, pp. 2025-2032.
24. [24] S. Jin, R. R. Lewis, and D. West, "A comparison of algorithms for vertex normal computa-tion," The visual computer, vol. 21, no. 1-2, pp. 71-82, 2005. [DOI:10.1007/s00371-004-0271-1]
25. [25] H. Tabia, H. Laga, D. Picard, and P.-H. Gosselin, "Covariance descriptors for 3D shape matching and retrieval," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2014, pp. 4185-4192. [DOI:10.1109/CVPR.2014.533]
26. [26] T. Zaharia and F. Preteux, "Indexation de maillages 3D par descripteurs de forme," in 13ème Congrès Francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle (RFIA'2002), 2002, pp. 48-57.
27. [27] K. Siddiqi, J. Zhang, D. Macrini, A. Shokoufandeh, S. Bouix, and S. Dickinson, "Retrieving articulated 3-D models using medial surfaces," Machine vision and applications, vol. 19, no. 4, pp. 261-275, 2008. [DOI:10.1007/s00138-007-0097-8]
28. [28] B. E. Boser, I. M. Guyon, and V. N. Vapnik, "A training algorithm for optimal margin classifiers," in Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory, 2003, pp. 144-152.
29. [29] D. Y. Chen, X. P. Tian, Y. T. Shen, and M. Ouhyoung, "On visual similarity based 3D model retrieval," in Computer graphics forum, 2003, vol. 22, no. 3: Wiley Online Library, pp. 223-232. [DOI:10.1111/1467-8659.00669]
30. [30] M. Kazhdan, T. Funkhouser, and S. Rusinkiewicz, "Rotation invariant spherical harmonic representation of 3 d shape descriptors," in Symposium on geometry processing, 2003, vol. 6, pp. 156-164.
31. [31] J. Knopp, M. Prasad, G. Willems, R. Timofte, and L. Van Gool, "Hough transform and 3D SURF for robust three dimensional classifica-tion," in European Conference on Computer Vision, 2010: Springer, pp. 589-602. [DOI:10.1007/978-3-642-15567-3_43]
32. [32] K. Lu, Q. Wang, J. Xue, and W. Pan, "3D model retrieval and classification by semi-supervised learning with content-based similar-ity," Infor-mation Sciences, vol. 281, pp. 703-713, 2014. [DOI:10.1016/j.ins.2014.03.079]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
