用于三维模型索引与检索的视图子空间

基于视图的三维物体检索索引方案因其良好的检索结果而日益流行。这些方案与人类基于二维外观识别物体的理论相一致。基于视图的技术还允许用户使用各种查询进行搜索，例如二值图像、距离图像甚至二维草图。先前的基于视图的技术使用经典的二维形状描述符，如傅里叶不变量、Zernike矩、基于尺度不变特征变换的局部特征和二维数字傅里叶变换系数。这些方法独立于其他物体描述每个物体。在本工作中，我们探索数据驱动的子空间模型，如主成分分析、独立成分分析和非负矩阵分解，来描述视图的形状信息。我们将从视图球面上不同点获得的深度图像视为二维强度图像，并训练一个子空间以提取数据库中视图的内在结构。我们还展示了根据特征值散布对形状进行分类的好处。形状分类和数据驱动特征集这两个设想均在PSB数据库上进行了测试，并与竞争性的基于视图的三维形状检索算法进行了比较。