基于面面相近概率的三維網(wǎng)格形體分割算法的研究.pdf

1、三維網(wǎng)格分割是計算機圖形學領(lǐng)域的一個經(jīng)典課題,它是眾多三維建模和計算機圖形學應(yīng)用技術(shù)的關(guān)鍵步驟,如形體匹配和檢索、形體變形、骨骼提取、紋理映射、簡化和3D打印技術(shù)等。隨著計算機圖形學的發(fā)展和三維模型處理技術(shù)的不斷進步,三維網(wǎng)格形體的理解和分割領(lǐng)域吸引了大量的專家學者進行研究,至今已經(jīng)有許多種經(jīng)典算法被提出并衍生出各種改進版本,由于側(cè)重的模型特征和分割過程中運用的分割準則的不同,各種算法各有自己的優(yōu)點同時又都存在各自的局限性,因此如何整合

2、各種算法使其取得最好的分割效果是非常有意義的工作。這方面的研究已經(jīng)取得了一些重要的進展,如隨機割算法中提出的針對每條邊的Partition function就是來自其他分割算法的隨機分割結(jié)果集,因此它是一種全局抽象的高度濃縮形體特征。
　　為了整合各種算法的優(yōu)勢,本文中提出了一種全局抽象的基于面面相近概率的模型特征矩陣,它并不依賴某些特定的形體幾何特征,而是從全局出發(fā),通過從其他算法的分割結(jié)果中分析提取而得。由于各種算法對模型形體

3、的理解直接表現(xiàn)在其分割結(jié)果中,由此計算而得的模型特征矩陣是一個全局抽象的高度濃縮信息,它是各種算法對模型形體理解信息的融合。提取出該特征矩陣之后,可以將之與現(xiàn)有的一些算法(如本文中的隨機漫步算法)相結(jié)合并運用到模型分割中,在此過程中需要對原始隨機漫步算法的各主要步驟進行相應(yīng)的調(diào)整和改進。
　　最后運用Princeton大學標準算法評價體系對其與其他各種算法進行定量比較,實驗表明,與其他算法相比,本文提出的算法在視覺和定量比較中都具