Μελέτη κατάτμησης 3D σχημάτων με τεχνικές διάχυσης σε γραφήματα

Πολλές σύγχρονες εφαρμογές, σε τομείς όπως Computer Vision και Γραφικά, Μοντελοποίηση Σχήματος και άλλους, βασίζονται στην Ανάλυση Σχήματος, δηλαδή στην επεξεργασία ενός σχήματος βάσει της γεωμετρίας του. Προβλήματα που αντιμετωπίζει η Ανάλυση Σχήματος είναι η Αντιστοίχιση (Μatching), η Ανάκτηση (Re...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Παπαγιαννοπούλου, Μαριάννα
Άλλοι συγγραφείς: Φωτόπουλος, Σπυρίδων
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2017
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/10394
Περιγραφή
Περίληψη:Πολλές σύγχρονες εφαρμογές, σε τομείς όπως Computer Vision και Γραφικά, Μοντελοποίηση Σχήματος και άλλους, βασίζονται στην Ανάλυση Σχήματος, δηλαδή στην επεξεργασία ενός σχήματος βάσει της γεωμετρίας του. Προβλήματα που αντιμετωπίζει η Ανάλυση Σχήματος είναι η Αντιστοίχιση (Μatching), η Ανάκτηση (Retrieval) και η Τμηματοποίηση / Κατάτμηση (Segmentation) μη-άκαμπτων (non-rigid), παραμορφώσιμων (deformable) σχημάτων. Η συγκεκριμένη εργασία εστιάζει στην μελέτη Κατάτμησης 3D Σχημάτων με Τεχνικές Διάχυσης σε Γράφους. Γίνεται μελέτη των περιγραφέων χαρακτηριστικών (feature descriptors) οι οποίοι παραμένουν αμετάβλητοι σε μη-άκαμπτες παραμορφώσεις καθώς και η χρήση αυτών σε μεθόδους τμηματοποίησης μη-άκαμπτων, παραμορφώσιμων, 3D σχημάτων. Οι περιγραφείς σχήματος που χρησιμοποιήθηκαν είναι ο Global Point Signature (GPS) και ο Heat Kernel Signature (HKS) [1, 2, 3]. Ονομάζονται εγγενείς (intrinsic) περιγραφείς σχήματος και είναι αναλλοίωτοι ως προς την ισομετρία (isometry invariant). Βασίζονται στο φάσμα του τελεστή Laplace - Beltrami της επιφάνειας και δεν αλλάζουν με διαφορετικές ισομετρικές ενσωματώσεις του σχήματος. Το πλεονέκτημά τους είναι ότι μπορούν να εφαρμοστούν εύκολα σε παραμορφώσιμα αντικείμενα (π.χ., ένα άτομο σε διάφορες στάσεις του σώματος), διότι αυτές οι παραμορφώσεις στην πραγματικότητα είναι σχεδόν ισομετρικές. Η βασική μέθοδος τμηματοποίησης που μελετήθηκε βασίζεται σε μία μέθοδο συναινετικής ομαδοποίησης (Consensus Clustering) από ένα ετερογενές σύνολο θεωρούμενων τμηματοποιήσεων του σχήματος, οι οποίες προκύπτουν από μια διαδικασία ομαδοποίησης πάνω σε μια εγγενή ενσωμάτωση του σχήματος [4, 5, 6]. Για την βελτίωση της παραπάνω μεθόδου εφαρμόστηκαν διάφορες διαδικασίες ομαδοποίησης [8] καθώς και μία μέθοδος εξαγωγής πρωτοτύπων προσεγγίζοντας την κατασκευή του πίνακα ομοιότητας από μία άλλη πλευρά [7].