自适应稀疏编码融合的非刚性三维模型分类算法

摘要：

针对传统的三维模型单一特征识别精度低问题, 提出一种自适应稀疏编码融合的非刚性三维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征, 以构造互补的多特征形状描述; 其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量, 通过随机样本建立特征权值矩阵; 最后利用特征权值矩阵与稀疏优化编码自适应融合, 并采用 Softmax 分类算法实现非刚性模型的有效分类. 通过在非刚性数据集 SHREC10 与SHREC11上的综合实验表明, 自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.

关键词：特征提取、特征袋模型、稀疏编码、形状分类、非刚性三维模型

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61702246;辽宁省社科规划基金2018lslktyb-084;大连市科技创新基金2019J12GX038

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1898-1907