海量形状数据的表示、分析与检索研究

The storage and management of massive multimedia data is a research focus in the field of information science. However, the traditional research is majorly concerned with the low-dimensional multimedia data, such as audio, image and video. As a new type of multimedia data, 3D shape has more rich expression for the real world than the low-dimensional data, and has been widely used in different fields. The research on 3D shape data gradually becomes a hot topic, and its foundation is how to represent and describe the 3D shape in an unified manner. According to shape data is usually considerably large, having complex structure and different data types, this project will do some research based on the geometric feature of the shape. The geometric feature based method can overcome the above problems to some extent, because the geometric feature remain stable when the shape changes for one data type to another. In this project, we will take shape analysis and retrieval applications as the background, and focuse our important research on how to represent 3D shapes with different types in a unified manner. Three ways will be discussed, including the interest point representation, the intrinsic feature representation and the implicit function representation. Base on the above representations, we will propose a unified framework for shape representation and analysis, which is suitable for the shapes with different data types. Meanwhile, in order to retrieval in the database with huge amounts of shapes, we will study the acceleration algorithm based on approximation operator for the models. This project does basic research on the core problem of representation and analysis method for massive shape data, involving basic theory of many areas and the latest information processing technology. Thus, this project has a certain degree of difficulty, but has both theoretical value and practical application significance.

海量多媒体数据的存储与管理是目前信息科学领域的重点研究内容。而传统的解决方案主要关注于声音、图像、视频等低维数据类型。三维形状数据作为一种新兴的多媒体数据类型，表达能力更为丰富，并在多个领域取得了广泛的应用。相关研究已经成为业界的热点问题，其基础问题是形状数据的表示和分析方法研究。 针对数据库中形状具备数据量大、数据结构复杂、数据类型不同等特点，本项目拟基于形状的几何特征表示开展相关研究。以异构数据类型下的形状分析、形状检索等应用为背景，研究异构形状数据的统一表示方法，包括兴趣点表示、内蕴特征表示和隐式函数表示，进而建立适用于不同形状数据类型的统一几何特征表示及分析框架。并结合海量形状数据检索，开展基于逼近算子的应用模型加速算法研究。本项目涉及多个领域的基础理论以及最新的信息处理技术，面向海量形状数据的表示、分析领域的核心问题开展应用基础研究，具有一定的难度，既有理论意义，也极具应用价值。

随着互联网技术的迅猛发展和数字化采集设备的逐步普及，形状数据将逐渐在多个应用领域取代传统信息形式诸如图像、视频等。采用三维形状数据表示物体具备多种优势，可以使人们全方位、浸入式、交互式地与环境交流。基于形状数据的实际应用往往建立在高效的形状表示和快速的形状处理及检索算法基础之上，这也是本项目研究的重点内容。. 围绕着海量形状数据的表示、分析及检索这一主要问题，项目的研究内容分为形状数据的高效表示方案、海量数据的快速处理机制、海量数据的高效检索方法，涵盖了形状数据的基础表示方法、中层数据处理和高级检索应用三个方面。在形状数据的高效表示方案中，项目提出了基于电荷分布的形状数据表示、基于可视性的形状数据表示、基于对称性的形状数据表示等；在海量数据的快速处理机制中，项目提出了海量数据的并行网格索引机制、海量数据的高效k-mean++聚类方法、海量数据的近邻及Skyline查询方法等；在海量数据的高效检索方法中，项目提出了数据的渐进传输及快速检索方法、词典的多级分解及合成方法、海量形状数据的词典表示及检索机制等。各项研究内容互为补充，整体性较强。. 项目依照计划循序渐进地开展，解决了一些理论和应用中的问题，取得了一些有意义的成果，较好地完成了本项目的预期目标。项目执行期间，在国内外刊物及会议上发表学术论文21篇，其中，SCI期刊论文检索9篇，包括国际知名期刊ITM、TPDS等，EI检索论文12篇，包括国际知名会议IEEE ICME等；协助课题组完成培养博士研究生3人，硕士研究生7人；课题组成员参加国际学术会议10余人次，做会议分组报告7次，担任国际学术会议组委会4人次；课题组完成一套基于MapReduce分布式环境的海量形状数据表示、分析及检索的实验平台。