自适应稀疏编码融合的非刚性三维模型分类算法

针对传统的三维模型单一特征识别精度低问题, 提出一种自适应稀疏编码融合的非刚性三维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征, 以构造互补的多特征形状描述; 其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量, 通过随机样本建立特征权值矩阵; 最后利用特征权值矩阵与稀疏优化编码自适应融合, 并采用 Softmax 分类算法实现非刚性模型的有效分类. 通过在非刚性数据集 SHREC10 与SHREC11上的综合实验表明, 自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.