首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 31 毫秒
1.
三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.  相似文献   

2.
基于Laplace谱嵌入和Mean Shift的 三角网格一致性分割   总被引:2,自引:1,他引:1       下载免费PDF全文
针对现有网格分割算法对模型姿态及噪声敏感的不足,提出一种基于Laplace谱嵌入和Mean Shift聚类的网格一致性分割算法。采用Laplace-Beltrami算子,将3维空域中的网格模型转化成高维Laplace谱域中的标准型,降低了姿态变化和噪声对分割算法的影响,并增强了网格的结构可分性;在高维谱域中,采用非参数核聚类MeanShift算法,获取模型有视觉意义的语义区域。实验结果表明:该算法可以快速有效地实现具有分支结构三角网格模型的有意义分割且对模型姿态和噪声具有较好的鲁棒性。  相似文献   

3.
王呈鹏  宋万忠 《计算机工程与设计》2012,33(9):3490-3493,3530
通过利用特征全局分布信息,提出一种以网格为数据单元的Mean Shift的目标跟踪算法(grid mean shift,GRIMSHIFT).针对传统Mean Shift目标跟踪算法的不足,GRIMSHIFT算法在m*n个像素的网格小区域内提取如颜色、角点量等局部区域特征值.在此基础上结合整幅图像进行约束Delaunay三角剖分得到图像像素间全局空间关联信息.在网格级上把局部特征信息和全局分布信息加权混合,使特征分布数据集具有了更高的目标辨识度;在视频序列中对动态网格特征分布连续运用Mean Shift便实现了对目标的跟踪.实验结果表明GRIMSHIFT拥有良好的实时性和准确性.  相似文献   

4.
针对离散曲率估计对噪声敏感且特征值计算量大的特点提出了基于区域离散曲率的三维网格分水岭分割算法。寻找三维模型显著特征点;对三维模型进行预分割,确定分割带;在分割带区域上计算离散曲度极值点,利用测地距离和曲度极值点对三维模型进行分水岭分割。算法在分割前无需进行网格去噪,实验结果证明,对主体分支明显的模型具有较高的分割边缘准确度和较快的分割速度。  相似文献   

5.
为了提高经典的Mean Shift算法在复杂场景中的跟踪性能,提出了一种基于角点的目标表示方法。首先,利用Harris角点检测算法提取表示目标主要特征的角点;其次,基于提取的角点,建立目标模型,将其嵌入Mean Shift算法进行跟踪。该方法仅用少量的关键点表示目标,能够自动去除目标和背景中的次要特征,有效地抑制背景成分对目标定位的影响,从而改进Mean Shift目标跟踪算法的性能。通过测试两个复杂环境下的视频,实验结果表明,相对于传统的目标跟踪算法,提出的方法取得了更好的性能。  相似文献   

6.
图像分割是图像分析及图像理解的关键步骤。与其他图像分割算法相比,均值漂移(Mean Shift)算法具有原理简单、无需先验知识、可以处理灰度图像及复杂的自然彩色图像等优点。但该算法需要对图像中每个像素点进行迭代计算,因此分割所需要的时间较长。本文提出了一种快速Mean Shift图像分割算法(Fast mean shift,FMS),将少量像素点作为初始点进行迭代计算,而出现在高维球区域内的其他像素点根据其到已有类中心的距离进行归类,从而减少Mean Shift算法的迭代次数,缩短分割时间。实验结果表明,本文提出的快速Mean Shift图像分割算法可以获得良好的分割结果且具有较高的分割效率。  相似文献   

7.
基于Mean Shift算法视频跟踪研究   总被引:1,自引:0,他引:1  
为改善Mean Shift算法的跟踪性能,分析了Mean Shift算法跟踪局限性,对Mean Shift算法流程进行了改进.Harris特征角点具有对光照、旋转、部分仿射变化以及噪声干扰具有很好的鲁棒性的特性可解决Mean Shift算法在背景过于复杂时的跟踪失败问题.Surf算法则具有对旋转、尺度缩放、亮度变化保持不变性,检测和匹配速度快等优点,能辅助Mean Shift算法在帧速过快情况下解决跟踪失败问题.提出了融合Harris角点和Surf算法的改进型Mean Shift算法.实验表明改进后的算法改善了Mean Shift算法在背景复杂以及帧速过快情况下的跟踪性能.  相似文献   

8.
将基于DESO的运动预测算法和Mean Shift算法相结合,形成一种新的基于Mean Shift的快速目标跟踪算法.该算法以DESO预测位置作为Mean Shift算法下一帧候选模型的计算中心,实现了对快速运动目标的跟踪,并通过DESO对目标运动轨迹进行预测,较好地解决了目标完全遮挡时的跟踪问题.实验结果表明,该算法具有预测精度高、实时性好、抗遮挡能力强的优点.  相似文献   

9.
Mean Shift算法在图像分割中的应用研究   总被引:1,自引:0,他引:1  
提出了灰度图像和彩色图像统一的分割方法,Mean Shift算法的图像分割.这种分割方法跟人眼对图像的分析特性相近,运用此算法能够得到较为稳健、快速的图像分割结果.文中简要介绍了Mean Shift算法的基本原理,并将算法运用于图像分割,通过实验证明了分割效果的有效性和稳定性.Mean Shift算法在图像处理领域有很好的应用前景,此算法的理论与应用还不是很完善,值得大家去探索.  相似文献   

10.
层次渐进的三维骨架算法   总被引:1,自引:1,他引:0  
孙晓鹏  张琪 《计算机科学》2010,37(12):238-240
提出一种新的三维网格模型骨架抽取算法。首先基于多维标度法计算三维网格模型的特征面片,以特征面片为类心对三维网格模型进行聚类分割预处理,然后在模型的各分割块上,以特征面片为种子点、以渐次读取部域带为区域增长方式,层次推进读取该分割块;计算每个层次推进带的中心,顺次连接中心即为各分割块的骨架线;最后将各分割块的骨架连接起来,即为模型的整体骨架。实验结果表明,该算法是正确的和有效的。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号