论文部分内容阅读
复杂曲面三维模型的分割是三维模型处理中的关键步骤,三维模型的分割在三维模型检索、几何压缩传输、三维模型简化等领域有着至关重要的作用。基于曲率信息的三维模型分割方法是三维模型分割方法中一种重要的分割方法。本文在对三维模型特征提取和分割相关技术的研究现状进行总结和分析的基础上,针对基于曲率信息的三维模型分割方法存在效率低、准确性无法保证的问题等进行了深入研究,根据研究成果开发了复杂曲面三维模型分割系统,在牙齿三维模型的分割中进行了应用验证。论文的主要研究内容包括:第一章介绍了基于机器学习的三维模型特征提取和分割技术的国内外相关研究,包括三维模型特征提取技术、基于机器学习估计阈值技术和三维模型分割技术。分析了上述技术的研究进展以及目前存在的问题,提出了本文的研究内容并分析其研究意义,最后简单介绍本文的行文结构。第二章提出了复杂曲面三维模型顶点高斯曲率密度直方图的特征描述方式。此特征描述对于三维模型高斯曲率阈值的获取有较大的辅助作用。基于复杂曲面顶点高斯曲率密度直方图的特征描述,提出将三维模型众多特征融合的方案设计。同时利用相关工具设计了实验,提取了三维模型顶点的高斯曲率密度直方图,验证了复杂曲面三维模型顶点高斯曲率密度特征提取方法的正确性。第三章提出了基于机器学习的复杂曲面高斯曲率阈值估计方法。依据复杂曲面模型和模型特征对应的高斯曲率阈值的可靠样本,训练出复杂曲面特征和对应高斯曲率阈值的回归方程,通过复杂曲面模型测试样本对回归方程的参数改进、修正,随着样本量的增加,回归方程的可靠性也得到提升,达到了指定复杂曲面模型对应的高斯曲率阈值估计的准确度,从而可以根据复杂模型特征求解出复杂曲面模型分割所需的高斯曲率阈值,解决了基于曲率的复杂曲面分割过程中,高斯曲率阈值难以计算的问题。第四章提出了基于高斯曲率阈值估计的三维模型分割方法。利用第三章中提出的高斯曲率阈值估计方法,建立了复杂曲面模型特征描述和对应的高斯曲率阈值之间的回归模型,进行待分割模型的高斯曲率阈值估计,实现了三维模型的准确分割,减少了人工交互设置高斯曲率阈值的繁琐步骤,提高了复杂曲面模型分割的效率,通过对实际三维模型进行分割,对基于高斯曲率阈值估计的三维模型分割算法进行了实验设计并验证了提出方法的有效性。第五章开发了复杂曲面三维模型分割系统,实现了基于机器学习的复杂曲面三维模型高斯曲率阈值估计模块、复杂曲面三维模型边界线划分模块和复杂曲面三维模型分割模块。并将此系统应用于牙齿三维模型分割。第六章对本文研究存在的不足进行了总结,并对今后的研究工作进行了展望。