基于区域离散曲率的三维网格分水岭分割

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (11): 182-186.

基于区域离散曲率的三维网格分水岭分割

贾晖1，2，耿国华1，周明全3，张建刚4

1.西北大学信息科学与技术学院，西安 710127
2.西安邮电大学计算机学院，西安 710121
3.北京师范大学信息科学与技术学院，北京 100875
4.西安热工研究院有限公司电站信息及监控技术部，西安 710032

出版日期:2015-06-01 发布日期:2015-06-12

Watershed 3D mesh segmentation based on regional discrete curvature

JIA Hui1，2, GENG Guohua1, ZHOU Mingquan3, ZHANG Jiangang4

1.School of Information Science & Technology, Northwest University, Xi’an 710127, China
2.School of Computer Science & Technology, Xi’an University of Posts and Telecommunications, Xi’an 710121, China
3.School of Information Science & Technology, Beijing Normal University, Beijing 100875, China
4.Department of Information and Supervision, Xi’an Thermal Power Research Institute Co Ltd, Xi’an 710032, China

Online:2015-06-01 Published:2015-06-12

摘要/Abstract

摘要： 针对离散曲率估计对噪声敏感且特征值计算量大的特点提出了基于区域离散曲率的三维网格分水岭分割算法。寻找三维模型显著特征点;对三维模型进行预分割，确定分割带;在分割带区域上计算离散曲度极值点，利用测地距离和曲度极值点对三维模型进行分水岭分割。算法在分割前无需进行网格去噪，实验结果证明，对主体分支明显的模型具有较高的分割边缘准确度和较快的分割速度。

关键词: 三维模型, 网格分割, 区域离散曲率, 分水岭算法

Abstract: The discrete curvature is sensitive to the noise and heavy computation of feature value. In order to segment the 3D meshes, this paper presents a novel and efficient watershed algorithm which is based on regional discrete curvature. It extracts prominent feature points, pre-segments and then obtains the segment region. It estimates the discrete curvature within the segment region. It utilizes the Gauss curvature as the feature watershed to segment the 3D mesh. This algorithm does not need to wipe off the noise at initial stage, the experimental results show that the proposed algorithm can accurately and frequently yield meaningful borderline which has an evident branch structure.

Key words: 3-dimensional model, mesh segmentation, regional discrete curvature, watershed algorithm

贾晖1，2，耿国华1，周明全3，张建刚4. 基于区域离散曲率的三维网格分水岭分割[J]. 计算机工程与应用, 2015, 51(11): 182-186.

JIA Hui1，2, GENG Guohua1, ZHOU Mingquan3, ZHANG Jiangang4. Watershed 3D mesh segmentation based on regional discrete curvature[J]. Computer Engineering and Applications, 2015, 51(11): 182-186.

[1]	潘婷，杨秋翔，景志宇. 基于球体投影的三维模型检索[J]. 计算机工程与应用, 2020, 56(7): 240-246.
[2]	赵云成，王琳，盛步云，赵飞宇. 综合曲率约束的在线网格模型分割方法研究[J]. 计算机工程与应用, 2020, 56(16): 176-182.
[3]	陈思琦，刘丽，陈秀秀，张龙，王天时. 基于孔洞填充的残缺三维模型检索[J]. 计算机工程与应用, 2020, 56(10): 185-192.
[4]	丁珩珂，吴子朝，王毅刚. 采用多标签传播的三维模型标注方法[J]. 计算机工程与应用, 2019, 55(21): 197-205.
[5]	朱炯，严丽军，马燕. 改进SSIM图像评价系统的开发与应用[J]. 计算机工程与应用, 2019, 55(12): 215-219.
[6]	童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.
[7]	费运巧1，刘文萍1，骆有庆2，陆鹏飞2. 森林病虫害监测中的无人机图像分割算法比较[J]. 计算机工程与应用, 2017, 53(8): 216-223.
[8]	张全贵，李凡，王炳超，王星. 融合Fuzzy拓扑关系与CRSC的三维模型检索方法[J]. 计算机工程与应用, 2017, 53(7): 192-196.
[9]	徐天芝，张贵仓，贾园. 基于形态学梯度的分水岭彩色图像分割[J]. 计算机工程与应用, 2016, 52(11): 200-203.
[10]	崔少奇，耿国华，刘晓宁. 基于标准脸型的人脸3D姿态估计方法[J]. 计算机工程与应用, 2016, 52(10): 177-180.
[11]	朱萍1，梅婕2，朱晓勃3，黄永刚3. 双边滤波和标记分水岭的CT心脏图像分割[J]. 计算机工程与应用, 2015, 51(8): 170-173.
[12]	孙斌，张长胜，刘子裕，钱斌，张汉平. HVPP算法在指针表盘视觉检测中的研究[J]. 计算机工程与应用, 2015, 51(23): 189-194.
[13]	郭伟，李喜军，文添艺. 融合多结构滤波和多尺度重建的分水岭算法[J]. 计算机工程与应用, 2015, 51(14): 151-157.
[14]	余辉，曲昌盛，李金航. 复杂环境下的手部轮廓提取方法[J]. 计算机工程与应用, 2015, 51(14): 170-174.
[15]	王永国1，2，彭国华2，杨东亮1，王凌伟1. 改进的多尺度图谱和局部谱的目标提取算法[J]. 计算机工程与应用, 2015, 51(12): 176-183.