基于整数中轴骨架的3维模型检索算法

针对3维模型检索算法性能较低的问题,提出了一种基于整数中轴骨架的3维模型检索算法。在对3维模型进行姿态调整和各向同向性预处理后,提取模型的整数中轴骨架,并记录每个骨架点相应的几何信息,对提取的骨架按不同的空间区域划分,形成模型骨架二叉树。为了能够描述骨架二叉树的不同节点对模型整体相似性匹配的影响程度,为每个节点定义一个特征权值,其大小由该节点对应的骨架区域大小所决定。最后,采用由粗到细逐步淘汰的策略计算不同模型的相似度。对一个标准3维模型测试数据库的检索实验结果表明,由于将模型的拓扑结构和统计特征相结合,该算法可以得到较好的检索性能。     

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。     

基于表面及切向属性的点模型骨架提取方法

针对目前在离散点云模型以及低分辨率模型上提取骨架算法存在的局限性,提出一种基于表面及切向属性(attributesofsurfaceandtangency,AST)的新方法.首先给出两个属性定义及其计算方式.然后基于上述属性通过表面光滑收缩和骨架吸引的双重作用达到模型的几何收缩,连接迭代收缩完成后得到的中心点,从而得到模型的骨架.实验表明:该方法得到的骨架能较好地表达原始模型的几何特征和拓扑结构,在缺少连接信息和低分辨率的情况下也能获得较好的骨架提取效果.     

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.     

面向血液循环系统仿真的全身血管重建

血管的点云数据表示在医疗中有着重要的作用,可以帮助医护人员直观地了解血管的几何信息.对于医疗辅助技术、放射学模拟等应用中,除了对局部的血管系统几何信息进行可视之外,也需要对全身血管进行准确的仿真建模,从而对整体血管系统的拓扑及几何信息都需要进行系统性的重建.传统骨架提取技术无法保证血管模型正确的连接拓扑,提出了一种基于点云数据的交互式全身血管模型重建方法,通过对血管数据分段和拟合,并分析各段血管端点连接情况,重建了一种带有血管截面半径信息的全身血管一维骨架模型,且该模型能直接用于血流血压等仿真.与已有方法相比,其优势在于能应用于大规模的复杂的全身血管点云数据,且重建的模型可以直接用于仿真.BodyParts3D数据集下实验结果表明,与已有方法相比,文中方法重建的全身血管一维骨架模型具有准确的拓扑连接,能够生成更好的仿真效果.     

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.     

个性化虚拟人体模型骨架生成方法

采用基于自动化骨架匹配和可视化骨架编辑的方法，可以方便地完成个性化的骨架建模．首先定义一个标准的虚拟人骨架模板，通过骨架模板与人的几何模型的自动匹配，得到初始的骨架模型；然后利用可视化的骨架编辑工具，就可以很容易地生成个性化的虚拟人骨架．实验表明：该方法可以快速、简单地生成精确的个性化的骨架模型，方便虚拟人运动显示。     

一个基于骨架的笔刷模型

一个基于骨架的笔刷模型，它以实际的笔刷以及绘画和书写过程为基础，通过定义导引骨架、单元笔触、散点密度、散点颜色以及骨架属性函数控制最终的视觉形态，并能生成逼真的手工绘画或书法效果。     

一种新的虚拟血管镜自动导航路径生成方法

血管的中心路径提取是虚拟血管镜的重要组成部分, 它提供了自动导航的路径. 本文提出一种新的内窥路径生成方法, 用改进L1中值算法对体素点云化的脑血管数据进行骨架的提取. 首先,对核磁共振成像(Magnetic resonance imaging, MRI)增强血管数据进行基于统计的分割算法进行分割; 其次,对推广的Roberts算子在体素空间分割出的单体素点边界进行体素点的点云化, 生成点云模型; 最后,在点云空间中运用基于法向信息的L1中值算法进行骨架提取. 该过程克服了传统方法在体素中进行骨架提取时对数据缺失、孤点敏感的局限性, 并且对下采样后的点云化数据提取的骨架效率高, 骨架居中性较好, 最终把骨架用作脑血管虚拟内窥的自动漫游路径, 实现自动导航.     

基于等级划分的复杂点云骨架提取算法

对于复杂点云的骨架提取,由于原始点云的遮挡、缺失、分布不均、分支复杂等原因,所提取骨架会产生断裂、拓扑结构错误等问题.针对复杂结构点云的骨架提取,提出了一种基于等级划分的复杂点云骨架提取算法(multilevel divided skeleton extraction,MDSE).使用L1-medial提取初始骨架点,将初始骨架点连接成单分支骨架线,通过对单分支结构的初始骨架线进行等级划分,利用连通分支的平均分叉角确定骨架线断裂位置,由底至项修补断裂骨架线;最后采用Cardinal样条曲线改善骨架形态,形成完整且符合原始点云拓扑结构的骨架线.实验结果表明,该算法能够从复杂点云中提取出较为完整、拓扑结构正确的骨架线.     

关节特征约束的3维模型骨架提取算法

根据多分辨率Reeb图（MRG）的原理,提出一种基于关节特征约束的骨架优化算法。它克服了基于曲率约束提取骨架方法中逐点计算顶点的曲率约束轮廓的低效性,通过分析网格顶点的离散高斯曲率,获取模型表面上具有凹陷特性的双曲极值点作为约束点, 进行关节特征区域的有效提取。进而增加关节特性点,优化MRG骨架。实验结果表明,本方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。     

基于姿态校正与姿态融合的2D/3D骨架动作识别方法

针对现有的人体骨架动作识别方法对肢体信息挖掘不足以及时间特征提取不足的问题,提出了一种基于姿态校正模块与姿态融合模块的模型PTF-SGN,实现了对骨架图关键时空信息的充分利用。首先,对骨架图数据进行预处理,挖掘肢体和关节点的位移信息并提取特征;然后,姿态校正模块通过无监督学习的方式获取姿态调整因子,并对人体姿态进行自适应调整,增强了模型在不同环境下的鲁棒性;其次,提出一种基于时间注意力机制的姿态融合模块,学习骨架图中的短时刻特征与长时刻特征并融合长短时刻特征,加强了对时间特征的表征能力;最后,将骨架图的全局时空特征输入到分类网络中得到动作识别结果。在NTU60 RGB+D、NTU120 RGB+D两个3D骨架数据集和Penn-Action、HARPET两个2D骨架数据集上的实验结果表明,该模型能够有效地识别骨架时序数据的动作。     

XML在并行骨架描述中的应用

在对并行骨架的思想、描述和应用进行深入研究的基础上,本文提出了一种基于XML的并行骨架描述方法,为基于骨架的并行编程系统中各种骨架描述提供了一种统一的处理模型,对提高并行骨架库的通用性、可扩展性和可移植性具有重要意义.     

综合加权骨架段特征的形状图像检索

提出了一种基于综合骨架段特征的形状图像检索方法。首先提取图像中目标的骨架,然后根据骨架上的特征点(端点、分叉点)把整个骨架分割成若干骨架段,用矩特征来描述各段骨架。最后通过MSHP(Most Similar Highest Priority)原理对两幅图像中的骨架段对进行相似性度量,从而得到整幅图像之间的距离。实验表明,该方法较传统的基于整个骨架特征的匹配方法能得到更好的检索结果。     

具有鲁棒性的图像骨架提取方法

基于最大正方形的中轴变换,提出了一种二值图像的骨架提取算法。首先通过计算目标像素邻域内最大正方形的所有像素的个数来进行中轴变换,判断骨架点,并提取骨架。如果通过设定一个阈值,再提取骨架,就可以滤除背景中的噪声。实验结果表明:该方法提取的骨架效果好,通过与基于传统中轴变换和形态学提取骨架方法进行比较,该方法抗干扰能力强。     

一种基于轮廓的人体关节位置确定方法

提出了一种基于人体轮廓图像确定人体关节位置的方法.该方法首先利用能量函数从人体轮廓中抽取人体的虚拟骨架,然后利用所定义的标准人体骨架模型中给出的确定人体虚拟骨架中的一个点是否为关节点的三个规则以及人体解剖学的相关知识确定关节的位置.实验结果表明,本文提出的算法是一种行之有效的算法.它无需对图像中的人体在运动和颜色等方面附加限制条件;同时,该方法对人体轮廓图像中的噪声亦有较好的抑制作用.这一特点使得它对人体轮廓提取的精度要求较低,在复杂背景下具有较好的性能.     

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.     

基于无向图的图像整体骨架表示模型及其算法

在图像处理、模式识别领域,往往需要求解图像的骨架来获得图像的骨架来获得图像特征的最有效的数字信息。该文提出了一种基于无向图的图像整体骨架表示模型,并基于这一模型设计实现了图像的骨架化算法。它通过专门的分割算法,对图像进行分割并用无向图表示,然后对无向图中各项点采用多边形近似方法进行骨架化。算法充分利用了图像的全局和局部信息,具有速度快、效果好等优点,并得到了实际应用。文章最后给出了一些应用实例。