网格模型上基于线性插值的自适应保特征去噪算法
发布时间：2021-01-24 10:41
网格去噪是改善扫描设备所得数据并为后续数字几何处理提供理想模型的重要步骤.针对近年来涌现出的各种网格去噪算法难以平衡好时间消耗和去噪结果之间的关系,提出一种高效的基于线性插值的框架性保特征去噪算法,将体现结构特征的充分磨光模型与包含综合信息的噪声模型进行联合分析,通过自适应的线性插值算法逐步从噪声模型中提取出特征信息加到光滑模型中,从而实现保持不同程度特征（从显著特征到微弱特征）的去噪结果.同时提出迭代去噪算法的迭代终止判别条件,可为不同迭代去噪算法提供自动且可靠的终止条件.大量在不同复杂度和不同噪声程度的模型上的实验结果表明,与现有的局部迭代算法相比,该算法取得更好的视觉效果和较低的均方角度误差值,能够保持不同程度的特征且具有较好的时间性能.
【文章来源】：计算机辅助设计与图形学学报. 2020,32(09)北大核心
【文章页数】：12 页
【部分图文】：
不同算法对Fandisk模型去噪对比
第9期岳少阳,等:网格模型上基于线性插值的自适应保特征去噪算法1385a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图9不同算法对Max模型去噪对比a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图10不同算法对Fandisk模型去噪对比a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图11不同算法对Octa-flower模型去噪对比
向.滚动滤波算法在每一步迭代中加入原始噪声法向的目的就是要将原始包含特征信息的法向重新加入高斯卷积,以免像双边滤波那样随着迭代进行,只有上一步的法向信息被保留,而逐步丢失原始的信息.滚动滤波在很大程度上可保持模型特征,但是由于噪声法向的全程参与,最终结果不可避免地包含噪声信息.所以,本文滤波算法希望通过自适应插值的方式来平衡好噪声网格和磨光网格在迭代过程中的作用.同时本文根据双边滤波的高斯卷积过程提出不同程度特征的概念,高斯卷积过程中取不同的方差参数s,去掉不同程度的特征信息.如图1所示,其中,a表示原始模型,b~d分别表示高斯函数中方差参数sss0.3,0.5,1.0的滤波结果.当s的值较小时,双边权重较小,去掉微弱特征;反之,双边权重较大,去掉大的结构特征.从图1示意图看出,不同的s取值得到不同程度的特征.本文的迭代插值算法在迭代插值的过程中与双边滤波的高斯卷积类似,同样根据高斯卷积通过系数控制插入不同的特征信息.图1不同程度特征定义说明图4线性插值保特征算法为去除噪声,现有算法往往对模型进行平滑去噪,而大尺度的平滑往往会去掉模型弱特征,显然噪声模型虽有噪声,但其中包含模型的全部特征与细节信息.因此,如何从噪声模型中提取有效信息是本文算法的核心.本文的去噪模型应该是噪声模型和过渡光滑模型两者的中间产物,因此提出自适应的插值算法.4.1线性插值过程首先,定义噪声模型为T,光滑之后的模型为S,F表示最终得到的结果模型.插值的总体的思想表示为FS(1)T(4)将上述插值思想转化为以三角面片面法向为载体的形式表示为FSTNN(1)N(5)其对每一个三角形面片的法向进行处理.其中,TN表示原始噪声模型
【参考文献】：
期刊论文
[1]基于鲁棒法矢滤波和交替顶点更新的有效网格去噪（英文）[J]. Tao LI,Jun WANG,Hao LIU,Li-gang LIU. Frontiers of Information Technology & Electronic Engineering. 2017(11)
本文编号：2997099
【文章来源】：计算机辅助设计与图形学学报. 2020,32(09)北大核心
【文章页数】：12 页
【部分图文】：
不同算法对Fandisk模型去噪对比
第9期岳少阳,等:网格模型上基于线性插值的自适应保特征去噪算法1385a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图9不同算法对Max模型去噪对比a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图10不同算法对Fandisk模型去噪对比a.噪声模型b.原始模型c.文献[1]d.文献[24]e.文献[2]f.文献[3]局部g.文献[3]全局h.文献[13]i.文献[4]j.文献[12]k.本文图11不同算法对Octa-flower模型去噪对比
向.滚动滤波算法在每一步迭代中加入原始噪声法向的目的就是要将原始包含特征信息的法向重新加入高斯卷积,以免像双边滤波那样随着迭代进行,只有上一步的法向信息被保留,而逐步丢失原始的信息.滚动滤波在很大程度上可保持模型特征,但是由于噪声法向的全程参与,最终结果不可避免地包含噪声信息.所以,本文滤波算法希望通过自适应插值的方式来平衡好噪声网格和磨光网格在迭代过程中的作用.同时本文根据双边滤波的高斯卷积过程提出不同程度特征的概念,高斯卷积过程中取不同的方差参数s,去掉不同程度的特征信息.如图1所示,其中,a表示原始模型,b~d分别表示高斯函数中方差参数sss0.3,0.5,1.0的滤波结果.当s的值较小时,双边权重较小,去掉微弱特征;反之,双边权重较大,去掉大的结构特征.从图1示意图看出,不同的s取值得到不同程度的特征.本文的迭代插值算法在迭代插值的过程中与双边滤波的高斯卷积类似,同样根据高斯卷积通过系数控制插入不同的特征信息.图1不同程度特征定义说明图4线性插值保特征算法为去除噪声,现有算法往往对模型进行平滑去噪,而大尺度的平滑往往会去掉模型弱特征,显然噪声模型虽有噪声,但其中包含模型的全部特征与细节信息.因此,如何从噪声模型中提取有效信息是本文算法的核心.本文的去噪模型应该是噪声模型和过渡光滑模型两者的中间产物,因此提出自适应的插值算法.4.1线性插值过程首先,定义噪声模型为T,光滑之后的模型为S,F表示最终得到的结果模型.插值的总体的思想表示为FS(1)T(4)将上述插值思想转化为以三角面片面法向为载体的形式表示为FSTNN(1)N(5)其对每一个三角形面片的法向进行处理.其中,TN表示原始噪声模型
【参考文献】：
期刊论文
[1]基于鲁棒法矢滤波和交替顶点更新的有效网格去噪（英文）[J]. Tao LI,Jun WANG,Hao LIU,Li-gang LIU. Frontiers of Information Technology & Electronic Engineering. 2017(11)
本文编号：2997099
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2997099.html
