以主成分影像作特徵抽取之三維模型檢索系統

Abstract

本論文提出一個以主成分影像作特徵抽取之三維模型檢索系統，首先藉由主成分分析法(principal component analysis，PCA)找出每個模型的主軸，使相似模型有相似主軸，以此克服部分旋轉變量，之後再以具有旋轉不變性的傅立葉描述子(Fourier descriptors)和Zernike矩(Zernike moments)並加上一個三維特徵：主軸投影圖的相關大小做為檢索特徵。其想法來自光場描述子(light field descriptors，LFD)，但藉由主成分分析法改進其需要大量圖形的缺點，並利用新的主軸投影圖相關大小特徵，使對於相似物體的檢索有更大的容忍度。之後由實驗證明本論文對於因相似物體部分區域不同所造成的偏軸情形能有效克服，而且相對於LFD檢索速度加快，儲存需求大幅下降。最後使用普林斯頓形狀評判標準(Princeton shape benchmark，PSB)跟四個不同特徵之資料庫做檢索效能評判，證明本論文較其他方法有較好的檢索效能。