一种基于模型分割的三维人体骨架提取方法

针对当前三维骨架提取方法复杂度较高、提取结果不够准确,以及专门针对人体模型的方法较少等问题,提出一种基于模型分割的三维人体骨架提取方法。首先,根据模型顶点与末端特征点的最小测地距离将模型分割;然后由归一化的测地距离函数确定模型各顶点所属拓扑层次;接着在模型分割的基础上依据拓扑层次提取出原始骨架点;最后经过微调,将各骨架点按照拓扑关系连接得到较为精确的人体骨架。实验结果表明,该方法有效降低了骨架提取算法的复杂度,且对不同姿势的人体模型均可获得较为准确的提取结果。     

基于距离变换的A*搜索骨架提取方法

针对部分传统骨架提取方法提取骨架位置偏离中轴的问题,提出了一种基于距离变换的A*搜索骨架的提取方法.根据距离变换和形态学分水岭算法获得包含物体骨架的骨架潜在图,通过主动轮廓线模型确定骨架关键点,通过A*算法对骨架线进行搜索,得到骨架.实验证明,该方法获得的骨架具有连通性、单像素性、多尺度性及位置准确等优点.     

基于数字距离变换的3D模型骨架提取算法

在获得三维模型体素表示的基础上 ,通过比较模型体素及其 2 6连通域体素到模型轮廓的最小欧式距离 ,提出了一种利用骨架体素 2 6连通域的对称性进行三维模型骨架体素提取的算法 整个算法只需遍历一次体数据集即可自动完成模型骨架的提取过程 .实验表明 ,该算法具有较高的效率和精度 .     

基于图像处理的骨架提取算法的应用研究

骨架在图像分析与形状描述中是一个非常重要的变换,是图像几何形态中普遍存在而又难以描述的重要拓扑结构。骨架提取技术在图像处理学领域一直是人们关注的焦点。在广泛调研文献的基础上,对骨架提取方法进行了较为全面的综述,重点总结了其在农业领域中的应用,并对骨架提取技术在其他方面的应用也进行了概述。最后指出了目前存在的问题以及骨架提取算法的主要发展趋势,并对其进行了总结和展望,以期为该领域的发展和相关研究提供借鉴与参考。     

基于形态学骨架提取算法的研究及其实现

骨架化结构是目标图像的重要拓扑描述,寻找二值图像的骨架结构是图像处理的一个关键问题.数学形态学是图像处理的有力工具,本文研究了两种基于形态学变换的细化骨架算法,并在汽车图像中实现,讨论了两种算法的优越性和局限性.实验结果表明,本文所研究的算法并行快速,为车辆牌照的识别乃至字符识别、数据压缩、目标检测都提供了有益的借鉴.     

基于截线法的快速骨架提取算法

提出了一种快速的骨架提取算法.该方法首先在轮廓离散曲线演化的基础上,根据显著凸顶点的类型将轮廓多边形进行分块,得到一个主分支轮廓和多个水平分支轮廓;然后分别利用水平截线法和垂直截线法提取骨架的主分支和水平分支;最后将水平分支拼接在主分支上,得到完整的骨架.实验结果表明,该骨架提取算法可以得到连通的骨架,并在Kimia数据集上取得了较好的效果.此外,算法在自然图像上的效果也很好,尤其适用于视频中的行人骨架提取.与经典骨架提取算法相比,该算法的时间复杂度较低,可以满足实时处理的要求.     

基于3D模型的骨架提取

根据3D模型骨架的基本定义,即内切圆圆心集合的定义,采用了一种通过对网格化的3D模型体素化的方法,运用改进的欧式距离变换提取出3D模型的骨架点,通过对骨架点的保存连通的无损连接形成了模型的骨架.对于提取的模型骨架具有的性质,提出了基于骨架的医学内窥镜漫游、基于骨架的局部网格重建(模型动画初步)、基于骨架的模型分割.为了方便应用这些功能,制作了一个友好的用户使用界面,使其功能得以更好的应用.     

基于人体特征三维人体模型的骨架提取算法

实现骨骼动画的一个前提是获取人体模型的骨架,现有的骨架提取算法不是计算复杂度高,就是提取准确度不高,或者需要手工干预.提出一种基于人体特点和黄金比例律的人体模型骨架提取算法,首先对模型进行精简,然后根据人体的特点与黄金比例律确定模型关节点的大概位置,在此基础上对模型进行分割.由于人体存在个体差异且姿势也可能不一致,采用测地距离方法对关节点的位置进行修正,确定其位置.与现有的算法相比,本方法效率高,同时实验显示本算法具有更好的骨架提取效果.     

基于欧氏距离及向量内积的骨架提取算法

对骨架算法进行研究,提出一种骨架提取算法.通过对图像内部像素点进行距离变换得到其最近边界点的位置,将内部像素点到最近边界点的向量定义为边界向量,根据物体内部相邻边界向量的方向,计算每个像素点的内积值和其8邻域的最小内积值,得到的最小内积点,以确定的阈值从最小内积点中选取骨架种子点,再对骨架种子点进行处理,得到连通的骨架.试验证明这种算法能保证骨架具的完整性和连通性,正确反映物体的拓扑结构.     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

高斯曲率约束的MRG骨架提取优化算法

三维模型的骨架保持了模型的拓扑特性,并被广泛应用于模型相似性比较、计算机动画及压缩等领域.根据多分辨率Reeb图的原理,提出了一种基于离散高斯曲率约束的骨架提取优化算法.通过计算网格顶点的离散高斯曲牢判断曲面局部凸凹特性,以获取模型表面的双曲极值点作为约束点;并依据约束点及其邻域的μ函数值产生的分裂线进行区域细分,获得子连通区域、确定关节点、形成优化的骨架结构.实验结果表明,该算法有效地突出了模型的拓扑分支特征以及模型表面的细节,提高了骨架提取的精度和效率.     

基于非均匀热扩散的交互式图像分割算法

交互式图像分割是图像分割中的重要分支,在现实生活和医学领域都有着广泛的应用.该文基于计算测地距离的热方法,引入了热扩散系数,提出了一种基于非均匀热扩散的交互式图像分割算法.该算法利用图像的颜色信息构造三角网格作为热扩散的媒介,首先由热方程找到距离增加的方向,再利用泊松方程还原测地距离.将前景中人工交互区域上的热流扩散速...     

一种基于权值的骨架算法

本文提出了一种用于3D目标识别的基于权值的骨架算法。该算法在传统骨架算法中引入距离变换,获得目标各部分骨架的权值,用其描述各部分骨架的重要性。实验结果表明,利用该算法可以提高目标识别的抗噪能力,尤其适用于有遮挡目标的识别。     

改进的形态学骨架提取算法

针对由传统最大圆盘骨架提取算法提取出的骨架连通性差且无法保持一致的单像素宽度问题,提出一种改进的形态学骨架提取算法。将连通性保持与形态学运算相结合,在收缩目标提取骨架的过程中通过引入虚拟骨架点实现骨架曲线连通性保持,而单像素宽度细化及伪分支剔除等后处理过程的引入则进一步提高骨架描述目标形状及拓扑特征的能力。相关仿真研究证明了该算法的有效性。     

基于人类视觉特性的梯度骨架标记提取算法

针对分水岭算法预处理阶段的标记提取问题,提出一种基于人类视觉特性的梯度骨架标记提取算法。通过标记梯度图像的谷点组成贯通整幅梯度图像的骨架,在不同彩色空间中根据背景亮度自动选取阈值,并从骨架中剔除大于该阈值的鞍点,使骨架离散为各自连通的小骨架群,将每个小骨架作为独立标记。实验结果表明,该算法能够解决传统算法参数选取困难的问题,在抑制分水岭算法过分割边缘的基础上获得更好的分割结果。     

引入平滑迭代的骨架提取改进算法

在使用ZS细化算法对目标图像细化时,会出现二像素宽度斜线结构细化畸变、2×2正方形结构丢失,以及大量斜线冗余像素存在的弊端,同时主流骨架提取算法无法解决不平滑轮廓带来的边缘分叉问题。针对四类问题,在ZS细化算法基础上引入了平滑迭代流程以及后续的扫描过程,并在其中加入保留模板和删除模板条件的判定。实验数据表明,改进算法在保留目标图像的骨架信息和拓扑性质的基础上,能保持二像素宽度斜线和正方形结构不丢失,并完全删除冗余像素,其细化率相比ZS、IEPTA、MZS细化算法提高了0.05%~0.25%不等。同时平滑迭代次数的增加,能进一步提高细化程度,减少大量的边缘分叉并提高整体轮廓的平滑程度。     

一种运用势能理论的骨架特征提取方法

一种好的特征提取方法可以使模式识别和目标跟踪系统的性能得到较大的提高.二值图像势能理论和方法是一种利用像素所具有的势能来表现图像特征的新方法.运用图像势能的方法把目标图像骨架的特征提取出来在特征提取领域是一种创新.经仿真实验,图像骨架的势能方法可以较好的表现出图像的特征,计算速度快,占用存储空间小,准确性高.骨架势能的方法可以应用到目标分类,目标识别,特征提取等多个领域.     

基于凸壳与有向包围盒的骨架提取方法

为获取三维模型的几何及拓扑信息,提出一种基于凸壳与有向包围盒(OBB)的线性骨架提取方法.首先将三维网格模型进行分割生成多个子网格模型;然后对各子网格中的点集求取凸壳作为该子网格点集的近似,由凸壳顶点的形心构成原始骨架点;再用OBB进行重叠计算求出相交点集,以生成关节骨架点;最后对原始骨架点与关节骨架点进行连接,经冗余检测后形成完整骨架.实验结果表明,该方法快速、有效,提取出的骨架能保证连通性与中心性且能很好地提取关节骨架点,为蒙皮关节动画、模型形状分析等提供有效信息.