三维模型普适性特征提取与分类

摘要：

为了解决单一算法特征描述子难以兼顾表达刚性和非刚性三维模型的问题,提出一种三维模型普适性特征提取方法.首先提出一种基于三维点云模型的局部面积加权密集化采样算法;然后针对非刚性铰链结构的变换影响,利用热核特征的等距等容不变性提出时间尺度序列热核编码方法;最后提出边缘投影图卷积神经网络,对编码点云的空间形状及时间尺度序列热核进行特征融合学习,并应用于三维模型分类任务.在刚性三维模型数据集ModelNet40 和非刚性三维模型数据集 SHREC15 上的实验结果表明,与单一刚性或非刚性三维模型特征提取方法相比,所提方法能够提取具有普适性且具有显著辨别力的特征描述符,分类准确率分别达到 92.63%和 97.71%.

关键词：普适性特征、编码点云、时间尺度、图卷积神经网络、三维模型分类

所属期刊栏目：35

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;广东省自然科学基金;广东省自然科学基金;广东省普通高校重点研究项目;广东省普通高校重点研究项目;佛山市科技创新项目

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1216-1228