3D Shape-content based retrieval
Recherche par le contenu d'objets 3D
Résumé
This thesis deals with 3D shape similarity search. We focus on the main steps of the 3D shape matching process: normalization of 3D models, signature extraction from models, and similarity measure. The first part of the thesis concerns the normalization of 3D models, in particular the search for the optimal pose. We propose a new alignment method of 3D models based on the reflective symmetry and the local translational symmetry. We use the properties of the principal component analysis with respect to the planar reflective symmetry in order to select the eventual optimal alignment axes. The second part of the thesis is dedicated to the shape descriptors and the associated similarity measures. Firstly, we propose a new 3D descriptor, called 3D Gaussian descriptor, which is derived from the Gauss transform. Based on a partition of the enclosing 3D model space, this descriptor provides a local characterization of the boundary of the shape. Secondly, we study the multi-views based approaches that characterize the 3D model using their projection images. We introduce an augmented approach, named Enhanced Multi-views Approach, which can be applied in most of the multi-views descriptors. The relevance indices are defined and used in the similarity computation in order to normalize the contributions of the projections in the 3D-shape description. Finally, we propose a robust 3D shape indexing approach, called Depth Line Approach, which is based on the appearance of a set of depth-buffer images. To extract a compact signature, we introduce a sequencing method that transforms the depth lines into sequences. Retrieval is improved by using dynamic programming to compare sequence.
Aujourd'hui, grâce aux technologies récentes de numérisation et de modélisation 3D, des bases d'objets 3D de taille de plus en plus grande deviennent disponibles. La recherche par le contenu apparaît être une solution nécessaire pour structurer, gérer ces données multimédia, et pour naviguer dans ces grandes bases. Dans ce contexte, nous nous sommes intéressés plus particulièrement aux trois phases qui constituent le processus de la recherche par le contenu : la normalisation, l'extraction de la signature, et la mesure de similarité entre objets 3D. La première partie de la thèse porte sur la normalisation d'objets 3D, en particulier sur la recherche de la pose optimale. Nous proposons une nouvelle méthode d'alignement d'objets 3D basée sur la symétrie de réflexion et la symétrie de translation locale. L'approche repose sur les propriétés intéressantes de l'analyse en composantes principales vis-à-vis des symétries de réflexion pour retrouver d'éventuels axes d'alignement optimaux parmi les axes principaux. La deuxième partie de la thèse est consacrée à l'étude des descripteurs de forme et des mesures de similarité associées. Dans un premier temps, nous proposons un nouveau descripteur 3D dérivé de la transformée de Gauss, appelé 3D Gaussian descriptor. Calculé sur une partition de l'espace englobant l'objet, ce descripteur permet de caractériser localement la géométrie de la surface. Dans un deuxième temps, nous avons étudié les approches multi-vues caractérisant l'objet 3D à partir des images de projection. Nous introduisons une technique d'amélioration, appelée Enhanced Multi-views Approach, pouvant s'appliquer à la plupart des approches multi-vues. Des valeurs de pertinence sont définies et introduites dans la mesure de similarité afin de pondérer les contributions des projections dans la description de la forme 3D. La dernière méthode d'indexation que nous proposons, appelée Depth Line Approach, est une approche multi-vues fondée sur les images de profondeur. Pour les caractériser, nous introduisons une méthode de transcodage qui transforme les lignes de profondeur extraites en séquence d'états. Pour permettre une comparaison efficace, la mesure de similarité associée se base sur la programmation dynamique.