基于形状相似性的三维模型语义标注技术研究

作     者：赵文姐 

作者单位：东北石油大学 

学位级别：硕士

导师姓名：尚福华

授予年度：2012年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：三维模型语义检索 语义标注 形状特征 

摘      要：语义标注是三维模型语义检索的重要环节，语义标注效果的优劣直接影响检索效果的准确率和效率。目前，三维模型语义标注方法大体分为两类：一是自动语义标注，该方法必须借助已标注过的三维模型样本集，采用统计学习或机器学习方法实现语义标注;二是通过基于相关反馈的三维模型检索实现语义标注，该方法不必须具有已标注的三维模型样本集，而是通过相关反馈的方法实现三维模型底层特征和高层语义之间的映射。 对不同的形状特征进行集成可以使它们优势互补，更好地描述三维模型特征，因此，本文在混合形状特征的基础上，针对不同条件的数据集，对语义标注的方法进行了探索，以提高语义标注的效果和基于语义检索的准确率和效率。 本文针对小规模人工标注数据集模型数量少，标注信息不完整的缺陷，提出了一种基于图的半监督语义标签传播算法扩展已标注模型数量，同时对扩展后的标注词给出语义置信度，在此基础上进行加权测度学习，针对学习到的距离度量进行多语义标注。该方法利用了大量未标注样本参与标注过程，在少量手工标注信息时表现了更好的标注效果。 本文针对无标注信息的数据集，提出了一种基于聚类分析和相关反馈的标注方法。通过在相关反馈中获取用户对检索结果的评价信息得到三维模型之间的语义相似度，并与模型特征相似度进行结合构建一个新的相似度融合矩阵，实现基于特征和语义的联合聚类，同时使用WordNet词典对用户提供的标注词进行扩展实现三维模型的多语义标注。该方法在聚类的过程中加入了语义信息，标注效果有了明显的提高。 本文针对具有少量标注词的已分类数据集，提出了一种基于语义概率模型的标注方法。核心是使用人工标注词汇创建的概率模型对相似性度量方法进行调整，在模型底层特征与高层语义之间建立联系，并通过相关反馈过程动态更新概率模型，提高语义标注的效果。