Feature-Preserving Mesh Denoising via Anisotropic Surface Fitting

We propose in this paper a robust surface mesh denoising method that can effectively remove mesh noise while faithfully preserving sharp features. This method utilizes surface fitting and projection techniques. Sharp features are preserved in the surface fitting algorithm by considering an anisotropic neighborhood of each vertex detected by the normal-weighted distance. In addition, to handle the mesh with a high level of noise, we perform a pre-filtering of surface normals prior to the neighborhood searching. A number of experimental results and comparisons demonstrate the excellent performance of our method in preserving important surface geometries while filtering mesh noise.     

基于三角片法矢调整的三角网格模型光顺

提出了一种新的三角网格模型光顺方法。首先,对模型中每个三角片的每个顶点,分别求出其一邻域内所有三角片与当前三角片法矢夹角的变化率。然后,根据这种变化率的不同,相应采用拉普拉斯算子或Kuwahara滤波算子对三角片法矢进行调整。最后,基于调整后的三角片法矢,调整模型中各顶点位置,实现三角网格模型的光顺处理。方法中的拉普拉斯算子,适合于对模型中的非尖锐特征区域的光顺,可以快速取得理想的整体光顺效果;而Kuwahara滤波算子则适合于对模型中的特征区域的法矢调整,能够在去除噪声的同时保留原有特征。另外,本文还提出了一种新的误差估计方法,通过计算模型光顺前后的近似间隙体积,可以得到较精确的模型光顺误差。实例表明,与传统方法相比,本文方法在获得理想光顺效果的同时,能充分保留甚至调整加强模型原有特征且光顺前后模型的变形很小。     

一种曲面特征保持的航空叶片点云精简方法

针对现有点云精简方法在航空薄壁叶片叶缘高曲率特征区域及点云稀疏区域存在取样不足的问题,提出了一种基于重聚类策略的精简方法。通过移动最小二乘法定义点--曲面距离函数,区分高低曲率特征,建立了原始点云和精简点云之间的距离关系,在高曲率区域重聚类,实现叶缘高曲率特征保持;并在重聚类时判断点云疏密程度,对稀疏区域进行重聚类。航空叶片、铸造模具等典型复杂曲面测量点云的精简过程中,该方法相比于均匀采样法、层次聚类法,在高曲率区域可保持较高的几何精度。     

基于顶点预测的特征保持网格光顺算法

为了特征保持地光顺带噪声的三角网格,提出一种基于顶点预测的光顺算法. 分析了三角网格的每个顶点与一阶邻域顶点和二阶邻域三角形之间的几何关系,应用带平均曲率权的双边滤波器和准Laplacian光顺算子,通过三步预测顶点的坐标位置,把三角网格的原始顶点单步移动到预测的新坐标,得到光顺后的三角网格.该算法在光顺的同时有效地保持了原始三角网格的特征.实验结果表明,此网格光顺算法处理小噪声和大噪声都是有效且鲁棒的.     

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.     

保特征的联合滤波网格去噪算法

目的 在去噪的过程中保持网格模型的特征结构是网格去噪领域研究的热点问题。为了能够在去噪中保持模型特征,本文提出一种基于变分形状近似（VSA）分割算法的保特征网格去噪算法。方法 引入变分形状近似分割算法分析并提取噪声网格模型的几何特征,分3步进行去噪。第1步使用变分形状近似算法对网格进行分割,对模型进行分块降噪预处理。第2步通过分析变分形状近似算法提取分割边界中的特征信息,将网格划分为特征区域与非特征区域。对两个区域用不同的滤波器联合滤波面法向量。第3步根据滤波后的面法向量,使用非迭代的网格顶点更新方法更新顶点位置。结果 相较于现有全局去噪方法,本文方法可以很好地保持网格模型的特征,引入的降噪预处理对于非均匀网格的拓扑结构保持有着很好的效果。通过对含有不同程度高斯噪声的网格模型进行实验表明,本文算法无论在直观上还是定量分析的结果都相较于对比的方法有着更好的去噪效果,实验中与对比算法相比去噪效果提升15%。结论 与现有的网格去噪算法对比,实验结果表明本文算法在中等高斯噪声下更加鲁棒,对常见模型有着比较好的去噪效果,能更好地处理不均匀采样的网格模型,恢复模型原有的特征信息和拓扑结构。     

Mesh Detail Editing by Filtering Differential Edge Coordinates

In this paper, we propose anovel geometricaldetail editing method for triangulatedmeshmodels based on filtering robust differential edge coordinates.Theintroduceddetail editing consists ofnot only feature-preserving denoising for removing scanner noises, but also interactive detail editing for weakening or enhancing some specific geometric details.Various detail editing results are obtainedby reconstructingthe mesh fromnew processed differential edge coordinates, which are filtered from the view of signal processing, in linear least square sense.Experimental results and comparisonswith other methodsdemonstrate that our method is effective and robust.     

保留复杂化学模式特征的映射及其应用

提出一种保留模式特征的映射算法，并具体应用于高维的、分量间存在复共线性的复杂化学模式特征的映射，取得良好效果。算法首先提取能最大限度表达复杂化学模式特征的特征变量，并进而采用自组织映射算法将由特征变量组成的特征模式映射到低维空间，使自组织映射结果平面能直观地显示复杂化学模式的特征。算法在具体应用过程中根据复杂化学模式样本的特性，提出了主成分特征映射和分类相关成分特征映射算法。     

Robust mesh smoothing

This paper proposes a vertex-estimation-based, feature-preserving smoothing technique for meshes. A robust mesh smoothing operator called mean value coordinates flow is introduced to modify mean curvature flow and make it more stable. Also the paper proposes a three-pass vertex estimation based on bilateral filtering of local neighbors which is transferred from image processing settings and a Quasi-Laplacian operation, derived from the standard Laplacian operator, is performed to increase the smoothness order of the mesh rapidly whilst denoising meshes efficiently, preventing volume shrinkage as well as preserving sharp features of the mesh. Compared with previous algorithms, the result shows it is simple, efficient and robust.     

保持特征的点云迭代简化算法

提出了一种特征保持的三维点云迭代简化算法。首先对点云模型构造KD树结构,计算采样点的k邻域,然后利用点云模型的局部几何信息作为参数,包括局部采样密度、采样点的精度和曲率,计算评估函数值,迭代删除评估函数值最小的点。实验结果表明,算法在简化点云数据的同时,能有效去除噪声数据,而且很好地保留了原始模型的特征信息。