基于特征保持的網(wǎng)格模型處理技術(shù)研究.pdf

1、隨著三維硬件掃描技術(shù)和軟件建模技術(shù)的不斷發(fā)展，三維幾何模型已經(jīng)越來越常見，成為一種新的數(shù)字媒體形式，在許多領(lǐng)域得到廣泛應(yīng)用，例如:計算機動畫、游戲，工業(yè)和機械設(shè)計、計算機仿真、數(shù)據(jù)可視化、醫(yī)療診斷等。在過去十幾年里，網(wǎng)格模型的建模、渲染、編輯等技術(shù)取得重要發(fā)展。在網(wǎng)格處理中，模型顯著特征的獲取是一個基礎(chǔ)問題。顯著特征是指網(wǎng)格模型中相對比較重要的區(qū)域，該區(qū)域包含了獨特的、重要的信息，它對模型的后期處理具有重要的指導(dǎo)作用。傳統(tǒng)的方法主要基于

2、法向、曲率這樣的純幾何屬性來識別網(wǎng)格的特征，但很多情況下純幾何屬性并不能準確找到網(wǎng)格的顯著特征。例如傳統(tǒng)方法一般把高曲率區(qū)域當作是重要特征，但是大量重復(fù)的細節(jié)特征即使具有較高曲率也容易被人的視覺系統(tǒng)抑制，反而被高曲率包圍的平坦區(qū)域更容易引起觀察者的注意。
　　網(wǎng)格顯著性(meshsaliency)是一種新的基于人的視覺特點來尋找模型中顯著特征的方法。研究人員已經(jīng)對圖像的顯著性進行了大量研究，并把它廣泛應(yīng)用于圖像目標識別、圖像檢索、

3、圖像分割以及圖像編輯等領(lǐng)域。網(wǎng)格模型因為更復(fù)雜，包含頂點位置、拓撲、法向、曲率、貼圖等信息，對其進行顯著性計算更為困難，時間復(fù)雜度也更高。因此針對網(wǎng)格顯著性的研究比較少，其應(yīng)用也較少。本文針對網(wǎng)格顯著性的計算以及其在模型簡化、模型縮放等技術(shù)中的應(yīng)用展開深入研究，具體內(nèi)容包括:
　　(1)現(xiàn)有的網(wǎng)格顯著性計算方法通常只考慮局部顯著性，本文提出一種同時考慮頂點的局部顯著性和全局顯著性的網(wǎng)格顯著性計算方法。該算法以網(wǎng)格中頂點的離散平均曲

4、率為基礎(chǔ)屬性來計算網(wǎng)格的顯著性，先在不同的鄰域范圍內(nèi)對頂點的曲率進行高斯卷積，然后根據(jù)人類視覺的中央一周圍(center-surround)機制，使用多尺度高斯差分算子(Differenceof Gaussian)計算頂點的局部顯著性。為提高全局顯著性的計算效率，該算法依據(jù)高斯卷積后的曲率對頂點進行簡單聚類，然后以聚類為單位計算每類頂點同所有其它頂點的曲率差作為該類頂點的全局顯著性。最后，把局部顯著性和全局顯著性進行加權(quán)合并，得到網(wǎng)格模

5、型的顯著性圖。
　　(2)網(wǎng)格模型的簡化是指在保持模型重要特征的基礎(chǔ)上盡可能地減少模型中幾何元素的數(shù)量。本文把網(wǎng)格顯著性計算的結(jié)果應(yīng)用于網(wǎng)格模型的簡化，提出一種新的基于邊折疊的模型簡化算法。在計算折疊邊的折疊代價時，同時考慮模型的幾何特征和視覺顯著性。視覺顯著性的值作為權(quán)重使顯著邊獲得更大的折疊代價，因此模型的重要視覺特征在簡化過程中得到了更好的保護，生成的簡化模型具有更好的視覺效果。
　　(3)網(wǎng)格的非均勻縮放是指在保持網(wǎng)

6、格敏感特征不變的基礎(chǔ)上，沿不同方向調(diào)整模型的大小。同一個網(wǎng)格模型在沿不同的方向縮放時表現(xiàn)出不同的敏感性，現(xiàn)有的網(wǎng)格顯著性因為沒有考慮方向因素，無法直接應(yīng)用于網(wǎng)格縮放。本文提出一種新的適用于網(wǎng)格縮放的顯著性計算方法。首先給出一種區(qū)域描述因子，反應(yīng)了該區(qū)域?qū)δ骋豢s放方向的敏感程度，然后基于該描述因子計算區(qū)域同它的鄰域的對比度，以此作為區(qū)域的顯著性。為了避免被模型上的細小特征誤導(dǎo)，采用了一種層次式的計算方法。對網(wǎng)格模型構(gòu)造一個層次式分割，在粗

7、約、中等和精細三個不同的分割層次上計算網(wǎng)格的顯著性，并把各層次的計算結(jié)果用非線性的方法合成到一起?；谀Ｐ偷娘@著性圖，提出一種網(wǎng)格的非均勻縮放方法，把模型的每條邊看做一個彈簧，通過邊的伸縮來縮放模型。算法通過顯著性控制每條邊的縮放比例，并引入一個Laplacian項來防止模型產(chǎn)生嚴重形變。
　　(4)以往的網(wǎng)格縮放算法通常只能產(chǎn)生具有較好視覺效果的縮放模型，無法精確保持模型的重要特征。本文提出一種網(wǎng)格模型的帶約束快速縮放算法，能夠