基于RBF神经网络集成的三维模型分类和检索

陈俊英， 王羡慧， 方亚萍

（1. 西安建筑科技大学信息与控制工程学院，陕西 西安710055；2. 新疆大学信息科学与工程学院，新疆 乌鲁木齐 830046；3. 中国寰球工程公司，北京100029）

三维模型分类是三维模型检索领域的一个基础性的研究课题，它是根据三维模型本身具有的各种特征参数判定其所属的类别。模型分类信息有利于比较各种特征值的优劣、组织模型库、评价检索效果等。

三维模型检索是针对给定的查询模型，检索出符合用户查询意图的模型集合的过程。为适应当前三维模型数量爆炸式增长和互连网搜索引擎规模与复杂性日益增强的形势，三维模型检索已从基于文本关键字检索转变为基于内容进行检索[1]。基于内容的三维模型检索首先从模型所包含的内容中用特征提取方法自动计算三维模型的特征，然后在特征空间中计算待查询模型与目标模型之间的相似度，实现对三维模型库的检索。基于内容的三维模型检索方法的共同特点就是利用模型本身包含的低层特征，然而人类是以视觉上的高层语义来理解模型内容的，这导致基于内容的检索效果并不尽如人意。为了解决“语义间隙”的问题，必须开展基于语义的三维模型检索研究[2]。目前，从语义概念层次上进行三维模型内容的描述和操纵在实现上面临着巨大困难[3]。

为了缩短“语义间隙”，有些研究工作把模型特征相似性和模型分类信息综合考虑，一种实现途径是应用分类学习得到的分类信息，把检索范围限定在同类或相近的几个类中进行，这样可以使检索的范围大幅度缩小，有利于提高检索的效率和检索结果的有效性；……