An experimental comparison of Extended Gaussian Image and Shape Distributions in 3D shape retrieval

• Autorzy: Frejlichowski D.

Warianty tytułu

PL

Eksperymentalne porównanie Rozszerzonych Obrazów Gaussa oraz Rozkładów Kształtu w wyszukiwaniu kształtów trójwymiarowych

• Języki publikacji: EN

Abstrakty

EN

The effective retrieval of three-dimensional shapes is a very crucial problem nowadays. It has to be not only efficient but also carried out in reasonable time. The last demand is especially difficult as 3D objects are usually built using lots of data (vertices, patches, etc.). That was the reason for minor interest dedicated few decades ago by scientists to them. At present, this problem became less important, thanks to the advances in computer hardware development. Now, one can find many new applications of 3D models, e.g. in CAD systems, entertainment, virtual reality, biometrics and image retrieval. In order to work with those objects three-dimensional shape descriptors are used. Those algorithms are created to represent objects independently of various problems concerning them, e.g. affine transformations, noise, occlusions. The result of experimental examination of two 3D shape descriptors is provided in the paper. The research was performed using the models from the "Princeton Shape Benchmark" database. This database is very popular in the task of experimental evaluation of 3D shape descriptors. In the paper two methods of that type are explored - Extended Gaussian Image and Shape Distributions - in the problem of 3D shape retrieval.

PL

Skuteczne wyszukiwanie kształtów trójwymiarowych w multimedialnych bazach danych jest istotnym problemem. Musi być ono nie tylko efektywne, ale i wykonywane w rozsądnym czasie. Ten drugi warunek jest szczególnie trudny do spełnienia, ponieważ obiekty 3D są zazwyczaj skonstruowane z użyciem dużej ilości danych (wierzchołki, powierzchnie, itp.). Było to dawniej powodem mniejszego zainteresowania naukowców tym zagadnieniem. Obecnie, problem ten stał się mniej znaczący, dzięki postępowi technicznemu w dziedzinie sprzętu komputerowego. Możemy więc aktualnie znaleźć wiele zastosowań modeli 3D, np. w komputerowo wspomaganym projektowaniu, rozrywce, rzeczywistości wirtualnej, biometrii oraz wyszukiwaniu obrazów. Aby móc pracować z tego typu obiektami stosowane są deskryptory kształtu. Te algorytmy są tworzone po to, by reprezentować obiekty niezależnie od poszczególnych problemów ich dotyczących, np. przekształceń afinicznych, szumu, okluzji. W artykule przedstawiono wyniki porównania eksperymentalnego dwóch deskryptorów kształtu 3D. Badania wykonano z użyciem modeli z bazy "Princeton Shape Benchmark". Baza ta jest bardzo popularna w ocenie deskryptorów kształtu 3D. W artykule dwie metody tego typu są badane - Rozszerzone Obrazy Gaussa oraz Rozkłady Kształtu - w kontekście problemu indeksowania kształtów 3D.

Słowa kluczowe

EN

content-based image retrieval (CBIR); 3D shape description; Extended Gaussian Image; Shape Distributions

PL

Indeksowanie obrazów na podstawie zawartości; opis kształtu 3D; Rozszerzone Obrazy Gaussa; Rozkłady Kształtu

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 8
• Strony: 973--975
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wzory

Twórcy

autor

Frejlichowski D.

• West Pomeranian University of Technology, Szczecin, Faculty of Computer Science and Information Technology, Al. Piastów 17, 70-310 Szczecin,

Bibliografia

• [1] Novotni M., Klein R.: Shape Retrieval Using 3D Zernike Descriptors. Computer-Aided Design, vol. 36, iss. 11, pp. 1047-1062, 2004.
• [2] Frejlichowski D.: 3D Shape Representation Based on EGI Descriptor for Retrieval. Metody Informatyki Stosowanej, no 3/2009, pp. 83-89, 2009 (in Polish).
• [3] Horn B.: Extended Gaussian Images. Proc. of the IEEE A.I. Memo, no 740, vol. 72, iss. 12, pp. 1671-1686, 1984.
• [4] Kang S., Ikeuchi K.: Determining 3-D Object Pose Using the Complex Extended Guassian Image. Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition, CVPR, pp. 580–585, 1991.
• [5] Osada R., Funkhouser T., Chazelle B., Dobkin D.: Matching 3D Models with Shape Distributions. Proc. of International Conf. on Shape Modeling and Applications, pp. 154-166, 2001.
• [6] Ankerst M., Kastenmüller G., Kriegel H., Seidl T.: 3D Shape Histograms for Similarity Search and Classification in Spatial Databases. Proceedings of the 6th International Symposium on Spatial Databases, pp. 207-226, 1999.
• [7] Mousa, M. -H., Chaine, R., Akkouche, S., Galin, E.: Toward an Efficient Triangle-Based Spherical Harmonics Representation of 3D Objects. Computer Aided Geometric Design, vol. 25, iss. 8, pp. 561-575, 2008.
• [8] Hilaga M., Shinagawa Y., Kohmura T., Kunii T. L.: Topology Matching for Fully Automatic Similarity Estimation of 3D Shapes. Proc. of the 28th Annual Conference on Computer Graphics and Interactive Techniques, pp. 203-212, 2001.
• [9] Kazhdan M., Chazelle B., Dobkin D., Funkhouser T., Rusinkiewicz S.: A Reflective Symmetry Descriptor for 3D Models. Algorithmica, vol. 38, pp. 201-225, 2003.
• [10] Novatnack J., Nishino K.: Scale-Dependent/Invariant Local 3D Shape Descriptors for Fully Automatic Registration of Multiple Sets of Range Images. Lecture Notes In Computer Science; Vol. 5304, Proceedings of the 10th European Conference on Computer Vision: Part III, pp. 440-453, 2008.
• [11] Princeton Shape Benchmark. http://shape.cs.princeton.edu/benchmark/
• [12] Frejlichowski D.: Reprezentacja kształtu 3D oparta na deskryptorze EGI na potrzeby indeksowania. Metody Informatyki Stosowanej, no 3/2009, pp. 83-89, 2009.