1. 研究目的与意义（文献综述）

1.1 目的及意义

近几十年来，三维图像基本特征提取与识别技术以其唯一性、稳定性、通用性以及不易盗取等优点引来了广大研究者的关注，大量的三维图像识别算法被提出，三维图像识别领域获得的成果也在不断增多。然而，这些算法在复杂情况下仍存在着很大的缺陷，且特征的选取与提取成为制约其识别正确率的两大核心的因素。

深度学习方法在特征的选取与提取方面有着自身的优势，它可以对图像进行多层次的抽象学习，在最高层得到图像的高层抽象表示，这种方法更符合人类视觉系统具有抽象性的特点，且能够是计算机以深入理解图像的方式达到智能化识别的目的。例如，将二维图像及模型深度图作为识别系统的数据源，可以降低识别算法对外部因素的敏感度，从而达到提高识别正确率的目的。同时，将二维模型特征与深度特征进行结合，能够使所提取的特征包含模型的立体信息，从而达到提高识别率的目的。

本课题拟采用matlab实现对三维图像特征的提取，通过已经存在预训练的cnn架构，将图像作为训练数据，基于cnn网络对物体图像进行训练，对图像特征进行描述，得到图像的特征，对图像进行识别。

2. 研究的基本内容与方案

如前所述，本文的重点是基于深度学习利用matlab对三维图像进行特征提取，并通过已经存在预训练的cnn架构，将图像作为训练数据，基于cnn网络对物体图像进行训练，对图像特征进行描述，得到图像的特征，对图像进行识别。

2.1 图像的特征提取

在进行三维图像的特征提取时，首先需要对图像进行边缘检测、角点特征检测等操作，之后通过surf算法将得到的rgb图像进行特征提取。

2.1.1 图像的边缘检测

图像的边缘：指图像周围像素灰度急剧变化的那些像素的集合，存在于目标，背景和区域之间。首先检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。可以分为俩种,一种为阶跃状边缘（边缘俩边像素的灰度值明显不同），另外为屋顶状边缘（边缘处于灰度值由小到大再到小变化的转折点处。可利用edge函数对输入的灰度图像进行边缘检测。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告；

第4周：熟悉掌握深度学习、cnn架构等基本理论；

第5-6周：完成英文资料的翻译，熟练掌握利用matlab对三维图像特征的提取；

4. 参考文献（12篇以上）

[1]hang su, subhransu maji, evangelos kalogerakis, erik learned-miller, multi-view convolutional neural networks for 3d shape recognition[c], proceedings of iccv 2015:945-953.

[2] k. chatfield, k. simonyan, a. vedaldi, and a. zisserman.return of the devil in the details: delving deep into convolutional nets[c]. in proc. bmvc, 2014.

[3] 张娟.三维多媒体视觉图像人工智能识别方法仿真[j].计算机仿真,2018,35(09):435-438.