STL三角形网格模型曲面特征边的提取

针对STL网格模型曲面特征边识别困难的问题,提出一种基于边和面的特征边提取方法。首先遍历网格模型,自适应地获取二面角阈值并根据该阈值识别显性特征边;然后利用最小二乘法估算曲面上顶点的平均曲率,由此计算出三角形面片的近似曲率,并利用相邻三角形的曲率差值来判别其公共的隐性特征边是否为特征边,最后采用改进的断点处特征边提取算法形成完整的特征边界。实验结果表明该方法能够有效地提取STL网格模型曲面网格的特征边,具有很好的鲁棒性。     

一种改进的六角形砍边细分方法

研究了六角形网格上的曲面细分算法,改进了六角形网格砍边细分算法.在六边形网格的砍边细分过程中,利用对偶砍角法对非六角形网格进行六角形网格化预处理,然后通过计算相邻两个面片的夹角,根据预先设置的阈值,自动对初始混合控制网格上具有尖锐特征的顶点和边分别作标记,然后对这些标记过的边和点进行特殊处理,局部修改细分规则进行迭代细分.实验结果表明,该算法效果好,能更好地保持原始模型的特征.     

基于Voronoi极点特征值显著度加权的网格简化算法

针对目前网格简化仅依赖局部特征而造成对尖锐特征保持差的问题,提出一种新的基于视觉显著度加权的简化算法。算法首先通过Voronoi内外极点与采样点之间的关系来计算离散曲面局部极点特征值,然后叠加不同尺度下局部特征值的高斯差分获得特征的视觉显著度。在进行网格简化时,将该显著度作为权重赋值给每个点的二次误差矩阵,从而达到对显著度较高区域特征保持的目的。实验结果表明,所提出的简化算法与传统基于局部曲率的算法相比能够更有效地保持原始网格固有几何特性,特别是对于视觉较为敏感的尖锐特征。     

基于多尺度角点的改进SIFT算法

重点讨论一种基于角点的改进SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)算法。该算法采用统一的低主曲率比值删除不稳定边缘响应点,把高斯空间中提取的角点加入到运用主曲率比值筛选后的SIFT特征点中。另外,在角点检测中,以图像区域方差来动态确定角点检测的阈值,大大提高了算法的适应性。实验证明,改进后的算法能提取更加稠密且高匹配的特征点,并且具有对主曲率比值不敏感的优点。     

基于NURBS曲面拟合的三角网格曲率计算

针对三角网格提出了一种基于NURBS曲面拟合的计算Gauss曲率和平均曲率的算法。首先选取边界检测后的二阶邻点作为局部拟合数据,采用直接投影法实现参数化,由二次NURBS曲面进行最小平方拟合反算控制点矩阵,最后由拟合曲面计算曲率。并从三角网格分辨率和噪声两方面进行了比较,实验结果表明本文算法精度高、较其他算法稳定,因而更具通用性。     

三角网格模型的特征线提取

在反求工程中，散乱数据点云的曲面重构常采用三角网格模型，若将其转换成曲面实体模型则有更广泛的应用，从三角网格模型中提取特征线是转换过程中的重要步骤．在讨论反求工程中数据点云分块方法的基础上，采取“基于边”的方法来提取特征线：先提取特征点，再连接成特征线．根据相邻三角片的法矢夹角和各点主曲率是否为极值，分两次提取特征点，利用三角顶点加权和均匀化等方法减少狭长三角片对特征点提取的计算误差影响，再将特征点分组连接成B样条曲线．文中算法的结果可为B样条曲面分片拟合和建立B-rep曲面实体模型提供依据。     

曲率尺度空间与链码方向统计的角点检测

针对曲率尺度空间角点检测中,由于选择的尺度不同,会造成角点的漏检测,以及检测到错误角点的问题。提出一种基于曲率尺度空间与链码方向统计的角点检测方法。首先在较低的曲率尺度空间上检测出候选角点集;再通过自适应阈值及链码方向统计的方法删除错误角点。该方法采用较低的曲率尺度可检测出更多的角点,降低了角点漏检测率;通过计算椭圆角点自适应阈值可删除椭圆角点;采用Freeman链码方向统计可剔除伪角点;从而提高角点检测精度。通过实验充分验证了本文提出的角点检测算法比其他角点检测算法具有的高效性和准确性。     

不规则形状图像曲率的自适应计算方法

提出一种针对不规则多形变红血球图像的自适应曲面拟合并计算曲率的方法,通过阴影恢复技术重构细胞表面的高度场形状,利用三维数据点根据最小二乘法进行曲面拟合,选定深度均方误差阈值来决定参与拟合的邻域点.计算得到的高斯曲率、平均曲率可用采表征某一点的表面类型,主曲率则用来观察曲面变化较大的区域.实验结果表明,该方法具有很强的可行性与实用性.     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

三角形网格模型顶点曲率的求解算法*

推导了一般三角形网格模型顶点的平均曲率、高斯曲率和主曲率的计算方法,考虑到经常遇到粗糙三角形网格模型,为提高其曲率计算方法的精度,结合Loop细分曲面算法,进一步拓展了该曲率计算方法.该算法用于具有特征保持的网格模型简化取得了良好的效果.     

一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对?祝-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。     

轮廓曲线的LoG变换及图像共变区域的检测

本文将LoG (Laplacian of Gaussian)变换应用到轮廓曲线上, 其范数的平方具有稳健的曲率特性, 由此构造了轮廓角点的响应函数; 在此基础上, 结合轮廓LoG所检测的角点和角点邻域内轮廓方向的尺度共变性设计了一种新的关于旋转和尺度共变的特征区域检测算法. 最后, 利用相关度准则对多组受干扰的图像进行特征共变区域匹配, 实验结果验证了所提出的共变特征区域检测算法具有计算简单、容易实现和较强的鲁棒性等特点.     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

基于特征块角点检测的电子稳像方法

针对稳像过程中的局部运动干扰, 提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子, 对均匀分布的大尺寸特征块进行检测, 并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准, 进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明, 该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19. 83 dB, 对局部运动干扰下的抖动图像序列具有较好的稳像性能。     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

Color adjustment in image-based texture maps

We propose a color adjustment technique to eliminate the visible seams in image-based texture map of a 3D object. The process is carried out in three steps. First, texture coordinates are locally displaced to minimize the misalignment of adjacent texture patches. Second, color discontinuities between different texture patches at each corner of the mesh faces are resolved. We minimize a global energy function over the mesh to ensure continuous color transitions and fit the color gradient at each corner of the mesh faces. Finally, the color adjustment at the corners is propagated over the texture patch for each face by solving a Poisson equation with mixed boundary conditions. By means of the proposed processing techniques, the visibility of seams is minimized while fine details are preserved in image-based texture maps. This can be used as a last refinement stage in image-based 3D reconstruction pipelines. The proposed color adjustment algorithm is tested on a variety of real-world datasets and compares very favorably with known methods.     

基于变形分析的三维Susan角点检测算法*

为了准确地在三维网格模型上定位特征角点,提出了一种基于变形分析的三维Susan角点检测算法。算法首先利用邻接区域信息定义顶点的变形函数,由变形函数值得到候选角点集合;对于候选角点,设定比较区域,在区域内用相似比较函数确定角点;最后,在一定邻接区域内使用非极大值抑制去除虚假角点。使用特定模拟数据和真实三维人脸模型进行角点检测,实验结果验证了该算法的优越性和有效性。     

曲率约束的隐式曲面三角网格化

提出一种有效的隐式曲面三角网格化算法。从隐式曲面上的一个种子点开始,生成网格的边界作为扩张多边形,且该多边形最小角对应的顶点为扩张点,计算从扩张点处欲生成的三角网格,为了防止新生成的三角网格和已经存在的三角网格重叠,要进行冲突检测。在隐式曲面三角网格化的过程中,扩张多边形是不断变化的,需要重复上述步骤,直至没有扩张多边形时结束。该算法分别应用于解析隐式曲面和变分隐式曲面的三角网格化。实验结果表明,该算法不需要重新网格化的步骤,生成的三角网格具有较高的质量,且三角网格随曲率适应性变化,因此说明了该算法的有效性。