基于最大相似类别和位置熵的三维模型融合检索方法  

3D Model Retrieval Based on Maximum Similar Category and Location Entropy

作　　者：陈俊英[1] 孟月波[1] 王羡慧[2] 刘四妹[3] 

机构地区：[1]西安建筑科技大学信息与控制工程学院,陕西西安710055 [2]新疆大学信息科学与工程学院,新疆乌鲁木齐830046 [3]中国联通网络通信公司西安分公司,陕西西安710043

出　　处：《图学学报》2013年第5期51-55,共5页Journal of Graphics

基　　金：陕西省自然科学基础研究计划资助项目(2012JQ8039);陕西省教育厅科研计划资助项目(11JK1036);西安建筑科技大学青年基金资助项目(DA05037)

摘　　要：为了有效利用各特征集对三维模型内容的描述信息,对各种特征集上分别检索的结果进行综合分析,统计各类模型的分布概率得到查询模型的最大相似类别,然后在各个检索结果中统计该类别模型的位置熵,基于最大相似类别模型数目和位置熵计算融合权值。在普林斯顿标准3D模型集上进行实验,并和其他几种动态融合方法和静态方法进行比较,结果说明所提出的方法在有弱特征集存在的情况下是有效的。For using descriptive information of individual feature of 3D models effectively,the maximum similar category of the query model is determined by comprehensively analyzing the distribution of models in retrieved results based on various features.Then the location entropy of the same class models of individual feature is calculated respectively.Finally,combination weights are computed dynamically based on the number of models of the maximum similar category and location entropy.Compared with other dynamic and static combination methods on Princeton 3D benchmark models,the results show the proposed method is effective in the case of weak features included.

关 键 词：3D模型检索 多特征 动态融合 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]