灰度共生矩阵在三维模型检索中的应用

现有的提取三维模型特征描述符的各类方法需要较大的计算量并且匹配效果不理想,故此,提出了一种基于模型深度图像利用灰度共生矩阵进行三维模型特征提取的方法。首先从模型的6个方向提取深度信息作为灰度值以获取不同方向的投影视图,并利用灰度共生矩阵的纹理特征提取模型特征,同时,基于视图的空间相关性利用左手法则以降低视图间的相似性匹配次数,从而在降低计算量的同时方便对模型相似性匹配计算。最后通过普林斯顿三维模型库对算法进行统计分析,实验结果表明,本文提出的方法有效地提高了三维模型的检索性能,使三维模型检索的查全率和查准率均得到了提高。     

基于形状相似的三维模型检索方法研究

在基于内容的三维模型检索方法中,基于形状的检索方法由于其视觉上的直观性和效果上的稳定性,得到了广泛的研究,本文提出了一种基于模型视觉投影图相似的形状检索方法,对任意模型通过坐标规范化,方向投影,提取其二维投影图像的Fourier描述符和Zernike矩描述符作为模型特征,在数据库中进行匹配检索.解决了该类方法中的投影图最优匹配的问题,并在检索效果和效率上取得了很好的结果.     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

基于多层次深度学习网络的行人重识别

提出了多层级特征融合模型,该模型利用深度学习网络提取行人图像的全局特征和局部特征,并将全局和局部特征联合起来,以生成更具辨识度的描述符.在模型中,基于部分的多层级网络用于提取不同网络深度的局部特征,从而将网络底层到高层中提取的局部特征组合起来.全局—局部网络分支则提取网络深层的局部特征和全局特征,用于识别行人.该模型在三个数据集上进行了实验并得到了更好的结果.     

基于三维精度特征符号的3D零件模型同步随动三维标注

为了提高产品的全三维数字化设计与制造的效率和质量,对全三维模型表达产品信息的方式进行研究.提出基于模型定义技术的三维标注方法,建立三维标注特征库和三维精度特征符号库,用计算机容易访问的BNF(backus-naur form)范式进行三维标注,通过齐次坐标转换实现三维标注与3D零件模型的同步随动,基于Pro/E平台,实现3D模型产品设计信息的三维标注.     

基于多视角图与卷积神经网络的三维模型检索算法

随着虚拟现实等领域的迅猛发展,三维模型数量急速增长.针对目前三维模型检索算法存在适用范围小、可拓展性弱、依赖人工干预等不足,提出一种基于多视角图与卷积神经网络的三维模型检索算法.首先,采用多视角图降维描述三维模型,使检索源规整统一;然后,通过卷积神经网络提取视角图高维特征,组成单一的特征描述符集合进行检索;最后,提出一种基于图像熵的多特征组合策略,根据视角图的灰度分布赋予其不同的特征置信度,进一步提高检索精度.经验证,算法最高可达到平均93%的检索精度.为满足快速检索需求,控制检索时间为0. 8 s,检索精度高于80%,可有效应用于实际检索系统构建.     

基于多尺度深度卷积特征的图像检索

为了检索图像中不同位置和不同大小的感兴趣目标,提出一种基于多尺度深度卷积特征的图像检索方法.首先利用卷积神经网络构造一个深度学习框架,利用随机梯度下降和后向传播算法训练深度学习模型;其次利用训练得到的模型提取图像在不同尺度下的卷积特征,对不同尺度下的卷积特征进行PCA降维,研究降维后的检索性能;最后为了提高深度特征对图像的刻画能力,对不同尺度下降维后的卷积特征进行特征融合.大量的实验表明本文所提算法对图像检索是有效的.     

基于评分迭代的无监督网络流量异常检测

针对计算机网络流量异常检测中缺乏标注信息的挑战，该文提出一种基于评分迭代的无监督异常检测方法。设计了基于自编码器的异常评分迭代过程来学习通用异常特征，获取其初始异常评分。设计了基于深度序数回归模型的异常评分迭代过程来学习判别异常特征，进一步提高异常评分准确性。另外，还通过深度模型、多视图特征、集成学习提高检测准确率。在多个数据集上的实验表明，在无标注信息的情况下，该方法的性能相比对照方法具有明显优势，可以有效地用于现实网络流量异常检测。     

基于支持向量机语义分类的两种图像检索方法

为了更好的解决基于内容的图像检索问题,提出了2种基于语义的图像检索方法.第1种是基于支持向量机(SVM)语义分类的图像检索方法.该方法首先提取训练图像库的底层特征信息,然后利用SVM对所提取的特征进行训练,构造多分类器.在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索.第2种是利用图像自动标注方法进行检索.在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集,对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索.通过在标准图像检索库和自建图像库上的实验结果表明,以上2种基于语义的图像检索方法是高效的.     

Web3D Learning Framework for 3D Shape Retrieval Based on Hybrid Convolutional Neural Networks

With the rapid development of Web3 D technologies, sketch-based model retrieval has become an increasingly important challenge, while the application of Virtual Reality and 3 D technologies has made shape retrieval of furniture over a web browser feasible. In this paper, we propose a learning framework for shape retrieval based on two Siamese VGG-16 Convolutional Neural Networks(CNNs), and a CNN-based hybrid learning algorithm to select the best view for a shape. In this algorithm, the AlexNet and VGG-16 CNN architectures are used to perform classification tasks and to extract features, respectively. In addition, a feature fusion method is used to measure the similarity relation of the output features from the two Siamese networks. The proposed framework can provide new alternatives for furniture retrieval in the Web3 D environment. The primary innovation is in the employment of deep learning methods to solve the challenge of obtaining the best view of 3 D furniture,and to address cross-domain feature learning problems. We conduct an experiment to verify the feasibility of the framework and the results show our approach to be superior in comparison to many mainstream state-of-the-art approaches.     

基于法线夹角与面积分布的三维CAD模型检索

三维CAD检索技术对产品设计、重用具有促进作用.经典的三维模型检索算法——形状分布算法SD,适用于全局特征相似的模型检索,但对于全局相似但局部差异明显的模型则无法有效检索.针对这一问题,本文首先提取SD特征,并利用基于法线夹角与面积分布的特征提取技术来对模型局部特征进行描述,随后通过构造特征矩阵来融合提取到的法线夹角与面积分布两类特征,最后将SD特征与法线夹角与面积分布特征进行组合,形成新的特征并应用于检索.实验结果验证了该方法的有效性.     

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能.首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法.实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件.     

基于深度卷积神经网络的三维模型识别

为了进一步提高三维模型的识别精度,提出了一种基于深度卷积神经网络的三维模型识别方法。将点云数据通过占用网格规范化计算转化为二值3D体素矩阵,通过附加正则化项的随机梯度下降算法提取体素矩阵的特征,再通过共享权重的旋转增强对训练集进行数据增广并以此对模型标签进行预测。实验结果表明,该算法在公开数据集ModelNet40及悉尼城市模型数据集上的识别精度均达到85%左右。与基于同类机器学习的三维模型识别算法相比,在相同训练数据集上该方法网络训练时间短,在相同测试数据集上模型识别准确率高,检索速度快。提出的体素占用网格模型的深度卷积神经网络,可以实现三维点云模型数据集及规范化体素模型数据集的识别和分类工作。     

基于H.264 I帧编码的块边缘模式特征提取

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用。该算法利用H.264 码流中得到的帧内预测模式和预测系数提取出五种边缘模式特征,该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法。实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用Intra预测模式纹理描述符的方法,平均查准率提高了5.07％。     

一种非刚性三维模型的尺度不变局部特征提取方法

提出了一种具有尺度不变性的非刚性三维模型局部特征提取方法,即基于局部多值模式的热核特征（local multilevel pattern based heat kernel signatures,LMP-HKS）.首先设计了一种适用于一维信号的基于局部多值模式的编码方法;然后通过对HKS特征的对数差分结果使用局部多值模式来计算特征直方图向量,以获得局部特征向量.该特征不仅保留了HKS特征的等距不变性、信息完备性及稳定性等优良特性,而且具有尺度不变性.与同样具有尺度不变性的SI-HKS特征相比,LMP-HKS特征对于非刚性三维模型的局部形状结构具有更强的描述能力.大量非刚性三维模型检索的实验结果验证了该局部特征的有效性.      

基于H.264 I帧编码的块边缘模式特征提取算法

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用.该算法利用H.264码流中得到的帧内预测模式和预测系数提取出5种边缘模式特征.该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法.实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用帧内预测模式纹理描述符的方法,其平均查准率提高了5.07%.     

基于多尺度3D卷积神经网络的行为识别方法

近年来卷积神经网络(convolutional neural network,CNN)在行为识别任务中取得了较大的进展.然而,现有的神经网络方法往往只注重高层语义信息的利用,对浅层特征信息挖掘利用不够.针对这一问题,提出一种基于3D卷积(convolution 3D,C3D)的多尺度3D卷积神经网络的行为识别方法.该方法受到特征金字塔结构的启发,在原C3D的基础上融合C3D的浅层特征信息,实现端到端的行为识别.同时该方法以现有的深度学习理论为基础,利用迁移学习的思想,将C3D和该方法中相同模块部分的参数迁移到本方法中,以降低模型的训练时间.通过在UCF101数据集上进行实验,实验结果表明,提出行为识别方法的分类精度达到84.56％,分类效果优于原C3D分类网络.     

多特征融合的非刚性三维模型匹配算法研究

特征描述符是影响非刚性三维模型匹配结果的关键因素,而单一特征只能描述三维模型某一方面的信息.为了克服单一特征在模型匹配时的局限性,进一步提高模型匹配的精确度,通过引入信息论中信息熵的概念,结合各单一特征匹配时的结果,计算得到各特征的权值,对多种特征(如热核特征(HKS)、能量分布特征(WKS)和模型表面积特征等)进行融合,作为非刚性三维模型匹配的特征.最后在SHREC’2014提供的标准测试数据集上进行试验,并与单一特征描述符的结果进行对比,验证了多特征融合得到的特征描述符要优于任一单一特征描述符,可以应用于非刚性三维模型检索系统中.     

基于改进的匹配算法的岩石样本图像三维重建

为了提高岩石样本图像三维重建的准确率和重建效率,提出了基于改进的匹配算法的三维重建方法。该方法采用“回”字型分块思想,有效地提高了ORB算法中BRIEF特征描述符的学习效率,从而改善了ORB算法的匹配效果;再利用向量场一致（VFC）算法对改进的ORB算子所得的匹配对进行误匹配剔除。实验结果表明,该方法不仅能够保证岩石样本图像三维重建的精度,而且在速度上也具有较大提升。