基于Voronoi极点特征值显著度加权的网格简化算法

针对目前网格简化仅依赖局部特征而造成对尖锐特征保持差的问题,提出一种新的基于视觉显著度加权的简化算法。算法首先通过Voronoi内外极点与采样点之间的关系来计算离散曲面局部极点特征值,然后叠加不同尺度下局部特征值的高斯差分获得特征的视觉显著度。在进行网格简化时,将该显著度作为权重赋值给每个点的二次误差矩阵,从而达到对显著度较高区域特征保持的目的。实验结果表明,所提出的简化算法与传统基于局部曲率的算法相比能够更有效地保持原始网格固有几何特性,特别是对于视觉较为敏感的尖锐特征。

基于图像表征特性的轮廓线提取的研究

轮廓线提取是计算机视觉中的一个重要问题。但是,用来解决这个问题的传统方法总是不能得到像人的视觉系统一样令人满意的结果。人的视觉系统一个重要的特点,就是人眼在获得轮廓线的时候,不仅对轮廓线两侧图像的差异及轮廓线本身几何拓扑结构上有所考虑,同时也考虑到了轮廓线周围区域图像的特性(图像的亮度、颜色、纹理等特征)的连续性。然而计算机解决这个问题的传统方法通常忽略了后一个问题。这些方法总是被分成边缘检测和边缘连接两步骤而当边缘被检测出来之后,它们周围区域图像的特性就不会再被考虑到,导致了属于不同物体的边缘被错误地连在一个轮廓线中。通过提取表示边缘的线段并连接它们的方法找出一幅图像中最显著的轮廓线。引入了一个"表征特性"来描述以表示边缘的线段周围的图像的特性,然后这个特征被用来定义一个度量轮廓线显著程度的尺度"显著度估计"中。这样,图像中最显著的一个完整轮廓线就可以通过对这个"显著度估计"的优化来得到。最后,这个方法的有效性在实验中得到了验证。