شناسایی مدل های سه بعدی در حوزه فوریه با استفاده از فشرده کردن کره مشی تا رویه مدل

در این مقاله توصیف گر نوین مدل سه بعدی در حوزه فوریه پیشنهاد شده است. به منظور استخراج ویژگی در روش پیشنهادی، کره مش بندی شده محیط بر مدل، از بیرون مدل به سمت مرکز آن فشرده شده، سپس طول مسیری که راس های کره از ابتدا تا رسیدن به رویه مدل طی می کنند، محاسبه می شود. این مقادیر به منظور محاسبه تابع مسیر، که طول مسیر راس های مدل تا مرکز آن است، استفاده می شوند. تابع به دست آمده در مقابل تغییرات ایزومتریک مقاوم و برای شناسایی مدل های غیر صلب بسیار کار آمد است. در ادامه، ضرایب فوریه تابع مسیر به عنوان بردار ویژگی محاسبه می شوند و سپس بردار ویژگی استخراج شده در طبقه بند SVM مورد استفاده قرار می گیرد. با بهره گیری از ویژگی پاسخ دامنه تبدیل فوریه سیگنال های حقیقی، مدل در فضایی با ابعاد کمتر، بدون از دست دادن ویژگی های ذاتی خود توصیف شده، همچنین از نرمالیزاسیون حالت بی نیاز می شود. نتایج پیاده سازی برروی پایگاه داده McGill نشان دهنده دقت بالای روش پیشنهادی در طبقه بندی مدل های سه بعدی است.