基于极半径曲面矩和HMM的三维模型分类与检索算法
在计算机辅助设计(computer aided design,CAD)中,对机械零件的三维模型进行分类和检索有利于设计人员重用设计信息,从而缩短产品的开发周期,以快速响应市场需求。针对三维模型的分类与检索,提出了一种基于极半径曲面矩和隐马尔科夫模型(hidden Markov model,HMM)的分类与检索算法。首先,计算三维模型的极半径曲面矩并组成特征向量,经排序编码后,将其作为HMM的观测序列;然后,取一部分人工标注过的三维模型作为训练样本,采用添加比例因子的多观测序列B-W(Baum-Welch)算法对HMM进行训练;最后,利用训练好的HMM对三维模型进行分类与检索。实验结果显示,与现有的2种分类与检索算法相比,所提出的算法具有更高的识别率和检索效率。该算法的特点是:极半径曲面矩计算快,不用将三维模型体素化;HMM训练快,分类能力强,且不需要大量训练样本就有一定的分类能力。研究表明,所提出的算法能较好地解决三维模型的分类与检索问题,具有一定的实用价值。