面向三角网格分割的几何处理技术研究
发布时间：2021-10-19 06:54
三角网格分割是三维模型处理中的一个重要领域。对于初始采集的三维网格模型,其本身缺少一定的语义信息及结构特征,三角网格分割能够依据某种几何信号将网格模型划分为具有不同物理意义的若干部件或者面片,帮助人们进行进一步的网格压缩、纹理映射、模型检索、网格变形等操作。现如今,三角网格分割技术被广泛应用于工业制造、模型设计等领域。本文针对三角网格分割及其中一些几何处理问题进行进一步研究,本文的主要研究工作如下:1.三角网格分割中种子点的优化采样算法:针对传统三角网格分割中存在的过度分割、稀疏分割及边界误差三类问题,分别进行检测并采用类间合并、类内再聚类及边界再划分三种方式予以纠正,从而优化三角网格分割结果,提取优质种子点,并通过实验证明采用该算法提取种子点,生成轮廓线并重建模型效果更好。2.一种基于规则的三角网格模型分块估计方法:分别采用平面、圆柱面、圆锥面、球面拟合原始网格模型。找到其最佳分块方式及最佳分块数,将原始模型拆分成若干类似曲面,进行计算其部分的最佳分块数。最终统一合并,得出整体模型的最佳分块数目。最后通过实验证明,本文方法具有有效性。3.系统实现与应用实例:应用该系统主要用于完成三角...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
数字多媒体技术的应用Fig1.1Applicationofdigitalmultimediatechnology
2图1.2三维模型网格分割Fig1.23Dmodelmeshsegmentation三维网格模型分割问题是计算机图形学中的一个基本问题。它不仅可以赋予模型对象语义信息，还可用于指导多种类型的网格处理算法，包括骨架提取[1][2]、建模[3]、变形[4][5]、基于形状的模型检索[6][7]和纹理映射[8][9]、三维造型[10]，网格压缩[11]和网格动画[12]。以上应用都基于人们的直观视觉感受，对模型进行分割处理后，提升了模型的可操作性。1.2国内外研究现状三角网格分割[13][14]一般依据网格自身的拓扑信息以及某些几何特征，将原本封闭的网格模型分解成若干各自独立、连通且具有一定物理意义的面片。三角网格分割算法是三维模型处理的一个重要研究领域，其被广泛应用于网格简化、网格编辑、纹理映射、模型分类、几何变化、角色动画等领域。1.2.1三角网格分割算法三角网格分割类似于二维图像分割，一些学者借鉴了图像分割中的部分思想，并多数情况下沿用了图像分割领域的术语。但不同于二维图像中数据信号是单一灰度值，在三维领域，其分割依据往往为不规则的拓扑信息，这也给三角网格分割带来了一定的难题。本文调研总结了三角网格分割算法的相关综述[15][16]，可大致分为以下几类：（1）基于迭代聚类的三角网格分割算法迭代聚类的方法通常根据某种相似性度量标准，计算每个面或顶点到簇质心的距离，将这些面或顶点指定给相应集合，进行初始分类，然后更新聚类初始状态，不断迭代，直至收敛为止。基于聚类的算法通常需要更多的运行时间，但能
3够得到更加稳定的结果。Sander[17]等人对基于HFC思想[18]的网格分割算法进行了改进，提出了一种基于K-means算法的三角网格分割方法，其以网格中的三角形为分割元素，采用下述2个步骤进行迭代聚类：1)根据当前聚类模型分割三角面片；2)对每个集合，重新拟合出一个新的模型。分割完毕后每个集合就是一个单独的分块。David等人[19]发表了变分形状逼近的方法VSA(variationalshapeapproximation，变分形状逼近)。该方法采用了形状代理的概念，利用形状代理表示待扩展区域。首先将待扩展区域的临界三角形依据设定的距离度量标准，依次划入，先完成了一次划分；然后更新区域代理，再进行下一次分割，直至收敛，分割效果如图1.3所示。VSA算法也是一种基于K-means的迭代聚类算法，并被广泛用于轮廓提取工作中。后来，Wu等人[20]采用了不同类型的基本曲面(平面、球面、柱面、滚动球面)作为形状代理，针对VSA方法形状代理为平面代理的缺点进行了改进，使曲面分割结果更加自然。Yan等人[21]在此基础上采用二次曲面作为区域形状代理，并对VSA算法中距离度量标准进行了改进，并对分割区域边界的锯齿进行修正和优化。图1.3VSA算法分割兔子模型Fig1.3ThesegmentationofrabbitmodelbyVSAalgorithm针对k-means算法初始时需设定聚类数的问题，万静等人[22]提出了一种动态增量的聚类算法，当新的网格数据到来时，判断其是否属于现有划分区域，若是则加入原有类，否则新建一个类。该方法避免了k值选取的问题，但无法在一开
【参考文献】：
期刊论文
[1]保特征的联合滤波网格去噪算法[J]. 黄涛,曹力,刘晓平. 中国图象图形学报. 2019(08)
[2]可变网格优化的K-means聚类方法[J]. 万静,张超,何云斌,李松. 小型微型计算机系统. 2018(01)
[3]基于L0范数最小化的噪声数据可展曲面重建[J]. 伯彭波,王峥,张彩明,郑玉健. 中国科学:信息科学. 2017(04)
[4]三角网格分割综述[J]. 董洪伟. 中国图象图形学报. 2010(02)
[5]基于凸凹信号的网格分割[J]. 董洪伟,李重,周儒荣,吴小俊. 计算机辅助设计与图形学学报. 2009(03)
[6]l1,l2,l∞范数下带约束的最小化最近距离和问题[J]. 蒋建林,王丽萍,吴业军. 安徽大学学报(自然科学版). 2008(01)
[7]基于八叉树的三维网格模型体素化方法[J]. 吴晓军,刘伟军,王天然. 工程图学学报. 2005(04)
[8]三维网格模型的分割及应用技术综述[J]. 孙晓鹏,李华. 计算机辅助设计与图形学学报. 2005(08)
[9]一种新的基于顶点聚类的网格简化算法[J]. 周昆,潘志庚,石教英. 自动化学报. 1999(01)
本文编号：3444370
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
数字多媒体技术的应用Fig1.1Applicationofdigitalmultimediatechnology
2图1.2三维模型网格分割Fig1.23Dmodelmeshsegmentation三维网格模型分割问题是计算机图形学中的一个基本问题。它不仅可以赋予模型对象语义信息，还可用于指导多种类型的网格处理算法，包括骨架提取[1][2]、建模[3]、变形[4][5]、基于形状的模型检索[6][7]和纹理映射[8][9]、三维造型[10]，网格压缩[11]和网格动画[12]。以上应用都基于人们的直观视觉感受，对模型进行分割处理后，提升了模型的可操作性。1.2国内外研究现状三角网格分割[13][14]一般依据网格自身的拓扑信息以及某些几何特征，将原本封闭的网格模型分解成若干各自独立、连通且具有一定物理意义的面片。三角网格分割算法是三维模型处理的一个重要研究领域，其被广泛应用于网格简化、网格编辑、纹理映射、模型分类、几何变化、角色动画等领域。1.2.1三角网格分割算法三角网格分割类似于二维图像分割，一些学者借鉴了图像分割中的部分思想，并多数情况下沿用了图像分割领域的术语。但不同于二维图像中数据信号是单一灰度值，在三维领域，其分割依据往往为不规则的拓扑信息，这也给三角网格分割带来了一定的难题。本文调研总结了三角网格分割算法的相关综述[15][16]，可大致分为以下几类：（1）基于迭代聚类的三角网格分割算法迭代聚类的方法通常根据某种相似性度量标准，计算每个面或顶点到簇质心的距离，将这些面或顶点指定给相应集合，进行初始分类，然后更新聚类初始状态，不断迭代，直至收敛为止。基于聚类的算法通常需要更多的运行时间，但能
3够得到更加稳定的结果。Sander[17]等人对基于HFC思想[18]的网格分割算法进行了改进，提出了一种基于K-means算法的三角网格分割方法，其以网格中的三角形为分割元素，采用下述2个步骤进行迭代聚类：1)根据当前聚类模型分割三角面片；2)对每个集合，重新拟合出一个新的模型。分割完毕后每个集合就是一个单独的分块。David等人[19]发表了变分形状逼近的方法VSA(variationalshapeapproximation，变分形状逼近)。该方法采用了形状代理的概念，利用形状代理表示待扩展区域。首先将待扩展区域的临界三角形依据设定的距离度量标准，依次划入，先完成了一次划分；然后更新区域代理，再进行下一次分割，直至收敛，分割效果如图1.3所示。VSA算法也是一种基于K-means的迭代聚类算法，并被广泛用于轮廓提取工作中。后来，Wu等人[20]采用了不同类型的基本曲面(平面、球面、柱面、滚动球面)作为形状代理，针对VSA方法形状代理为平面代理的缺点进行了改进，使曲面分割结果更加自然。Yan等人[21]在此基础上采用二次曲面作为区域形状代理，并对VSA算法中距离度量标准进行了改进，并对分割区域边界的锯齿进行修正和优化。图1.3VSA算法分割兔子模型Fig1.3ThesegmentationofrabbitmodelbyVSAalgorithm针对k-means算法初始时需设定聚类数的问题，万静等人[22]提出了一种动态增量的聚类算法，当新的网格数据到来时，判断其是否属于现有划分区域，若是则加入原有类，否则新建一个类。该方法避免了k值选取的问题，但无法在一开
【参考文献】：
期刊论文
[1]保特征的联合滤波网格去噪算法[J]. 黄涛,曹力,刘晓平. 中国图象图形学报. 2019(08)
[2]可变网格优化的K-means聚类方法[J]. 万静,张超,何云斌,李松. 小型微型计算机系统. 2018(01)
[3]基于L0范数最小化的噪声数据可展曲面重建[J]. 伯彭波,王峥,张彩明,郑玉健. 中国科学:信息科学. 2017(04)
[4]三角网格分割综述[J]. 董洪伟. 中国图象图形学报. 2010(02)
[5]基于凸凹信号的网格分割[J]. 董洪伟,李重,周儒荣,吴小俊. 计算机辅助设计与图形学学报. 2009(03)
[6]l1,l2,l∞范数下带约束的最小化最近距离和问题[J]. 蒋建林,王丽萍,吴业军. 安徽大学学报(自然科学版). 2008(01)
[7]基于八叉树的三维网格模型体素化方法[J]. 吴晓军,刘伟军,王天然. 工程图学学报. 2005(04)
[8]三维网格模型的分割及应用技术综述[J]. 孙晓鹏,李华. 计算机辅助设计与图形学学报. 2005(08)
[9]一种新的基于顶点聚类的网格简化算法[J]. 周昆,潘志庚,石教英. 自动化学报. 1999(01)
本文编号：3444370
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3444370.html
最近更新
教材专著
