保特征的网格光顺算法

提出了一种保特征的网格光顺算法，能够在快速地去除噪声的同时，保持网格模型的结构特征。该算法对网格中每个三角形的法矢进行光顺，同时求得顶点的法矢。根据当前点到邻接点的距离以及当前点的法矢与邻接点的法矢的夹角对顶点移动的方向进行调整，使顶点分布更加均匀。利用高斯函数求得光顺权值。实验结果证明，该算法能够有效地保持网格模型的结构特征，同时具有迭代次数少、体积收缩小、执行效率高的特点。     

面向法向域网格建模的非线性引导滤波

网格建模是数字几何处理领域的基础性研究问题.为了提高网格建模的简便性和鲁棒性,首先提出了一种非线性的引导滤波算法.滤波过程在法向域进行,滤波后的法向是引导网格法向的局部二次变换;然后,应用上述算法研究了建模方面的2个重要问题:网格去噪和网格平滑,其中的难点在于如何构造合适的引导网格.针对去噪问题,每次迭代时利用双边法向滤波得到引导网格;针对平滑问题,引导网格以高斯滤波结果作为初始值,进而结合原始网格不断进行更新;最后,在形状复杂或特征丰富的网格模型上进行了去噪、平滑等实验,结果表明,该算法简单实用、鲁棒,去噪时能够有效地去除强噪声,保持模型的几何特征;平滑时能够提取出中小尺度的特征,保留大尺度的特征.     

一种基于带噪声的三角网格模型的光顺算法

为了去除三角网格模型中的噪声,提出了一种基于均值漂移的特征保持的网格光顺算法。该方法在对模型中的三角形的法向量进行滤波的基础上鲁棒地计算了顶点的法向量,利用均值漂移方法自适应地聚类出顶点的邻域。结合顶点间几何特征的相似性,将改进后的双边滤波算子应用于顶点的位置更新,从而完成模型的光顺。实验结果证明了网格光顺算法的有效性。利用这种网格算法,可以达到光顺带噪声的三角网格模型的目的,并在光顺的同时,有效地保持了模型中原有的特征。     

点云模型的噪声分类去噪算法

针对三维点云模型数据在去噪平滑过程中存在的不同尺度噪声和算法计算耗时问题,提出了点云模型的噪声分类去噪算法。该算法根据噪声点分布特性,将其分为大尺度和小尺度噪声,先利用统计滤波结合半径滤波去除大尺度噪声;然后使用快速双边滤波对小尺度噪声进行平滑,实现点云模型的去噪和平滑。与传统的双边滤波相比,利用快速双边滤波对点云模型数据进行平滑,有效地提高了计算效率。实验结果表明,该算法对点云噪声进行快速平滑去除的同时又能有效地保持被扫描物体的几何特征。     

基于噪声分类的双边滤波点云去噪算法

针对三维点云数据模型在去噪光顺中存在不同尺度噪声的问题,提出一种基于噪声分类的双边滤波点云去噪算法。该算法首先将噪声细分为大尺度和小尺度噪声,并使用统计滤波结合半径滤波对大尺度噪声进行去除;然后对三维点云数据进行曲率估计,并对现有点云双边滤波进行改进,增强其鲁棒性和保特征性;最后使用改进的双边滤波对小尺度噪声进行光顺,实现三维点云数据模型的去噪、光顺。与单独使用双边滤波、Fleishman双边滤波相比,改进算法在三维点云数据模型光顺平均误差指标上分别降低了50.53%和21.67%。实验结果表明,该改进算法对噪声进行尺度的细分既提高了计算效率,又避免了过光顺和细节失真,较好地保持模型中的几何特征。     

基于面法向量谱变换的网格光顺算法

微分坐标是刻画网格模型几何细节特征的有力工具,面法向量作为网格模型的一阶微分量,计算简单、不易受噪声影响,能真实反映网格模型的细节特征。基于此,提出一种改进的网格光顺去噪算法,使用信号处理技术中的谱网格处理方法,通过分解面法向量的拉普拉斯矩阵,将网格模型的面法向量变换到频谱域中,利用低频滤波器去除高频噪声得到连续的面法向量信号,基于三角面片重心约束条件重建网格顶点坐标,得到光顺的网格模型。实验结果表明,该算法使用的面法向量不易受到噪声影响,比顶点法向量更鲁棒,大幅提高了谱分解的效率,并且能克服光顺过程中产生的体积收缩、变形和过光滑等现象。     

基于P&M模型的图像去噪平滑处理算法

研究图像平滑处理去噪问题.针对传统图像平滑算法在去除噪声的同时会破坏边缘、纹理等不能保持原图图像特征.为解决此问题,提出了一种基于PDE's各项异性的扩散Perona&Malik算法.通过引入高斯平滑算子,利用P&M模型的可调扩散系数来改善图像平滑效果,在抑制噪声的同时能够保持这些特征的特点.通过仿真分析表明,所提出的算法对孤立的噪声点平滑效果明显,同时也不会过多地影响原来图像的特征.     

基于两步的网格平滑

在三角网格的生成过程中,不可避免地会出现噪声,如何有效地消除这些噪声已经成为当前计算机图形学领域的一个重要课题,提出了一个简单的,能有效去除噪声,同时能很好的保持网格尖边特征的算法.该算法通过两步来实现,第一步对三角网格的三角面面法矢量进行平滑,第二步依据面法矢量调整新的顶点坐标.此算法在伪三角的帮助下,能很好保持曲面的几何特征,防止曲面收缩.实验结果说明了实验的有效性.     

一种高效的混合曲面光顺算法

三维扫描技术的发展获得曲面采样数据不再困难,但得到的三角形网格常含有大量噪声。应用顶点分类的方法,提出了一种加权均值滤波与拉普拉斯光顺相结合的混合算法。实验结果表明,该算法既能有效去除噪声,而且很好地保留了原网格模型的特征信息。     

基于PDE''''s的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征，而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核，实验结果表明改进后的平滑方法既能更有效消除孤立噪声点，又可以更好地保持边缘。     

基于拉普拉斯算子的三角网格模型的平滑与压缩算法

三角网格模型被广泛应用于各个领域并迅速发展,为了既保留网格模型的局部几何特征,又在平滑去噪的同时能够较好地保持边缘、纹理等细节信息,提出一种基于拉普拉斯算子的偏微分方程平滑方法,可以得到较好的去噪效果;为了更加方便三维数据的传输与操作,采用了一种在拉普拉斯算子的基础上,对三角网格模型进行特征分解进而进行光谱压缩的方法,可以实现对模型的压缩.     

基于双边过滤的网格光顺法

在逆向工程和计算机图形学中,由于扫描的数据存在噪点,为了便于后期处理,在使用前要对其进行光顺处理.通过对网格双边过滤法的研究,提出了改进的方法.通过网格顶点及其邻域点拟合一张曲面,对每一个邻域点构造一条抛物线,利用该抛物线计算出新的距离,得到新的光顺公式.经过软件测试,新的光顺公式能够更好的对网格进行光顺,同时保留网格图形的特征.实验结果证明,使用拟合的曲面来局部逼近已有的未知曲面能比使用平面逼近已有的未知曲面得到更好的保特征效果.     

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。     

一种保持特征的三角网格光顺方法

网格光顺是逆向工程中一种常用的数据处理手段,其主要目的是为了减少网格模型中的噪声,提高网格模型的质量。但网格上的一些特征常常会在光顺时丢失。如何在光顺时保持网格模型的特征成为提高光顺质量的一个关键问题。在实现常用光顺方法的基础上,该文提出了一种能较好保持网格特征的自适应光顺方法,通过对特征进行判断,根据网格顶点的不同性质对其采用不同的操作方法以达到光顺和保持特征的目的。