结合Nystrom方法的三维网格模型分割方法

针对谱聚类三维网格模型分割方法耗时长、占用内存大的问题,本文提出了一种结合Nystrom方法的三维网格模型分割方法。首先,对模型面心进行采样,计算采样点和所有面心的亲和力数值,使用Nystrom方法估计亲和力矩阵的主特征向量,避免了计算亲和力矩阵的巨大开销;其次,使用K-Means算法对主特征向量聚类,实现对模型的分割;最后,使用自适应邻域滤波算法对分割结果进行优化,去除估计误差。在细分后的普林斯顿数据集上进行实验,并同5种分割方法进行定量比较,结果表明本文方法可以有效降低谱聚类方法的时间、空间开销,并且兰德分数比其余方法平均高0.21,可以得到更高精度的分割结果。

勾画式交互的网格模型分割

提出一种基于区域增长的交互三维网格模型分割方法。在区域增长的基础上,首先由用户利用基于勾画的交互方式选定部分顶点作为目标和背景,其余顶点作为未知区域,利用区域增长的方法自动生成目标的边界,从而完成模型的分割。此方法中边界顶点分割结果的好坏直接影响到了最终的分割结果,因此,在利用区域增长方法形成边界时,将既与目标相邻又与背景相邻的顶点标记为特殊点,在其余未知部分分割完成之后,重新对特殊点进行一次区域增长算法。此时由于大部分顶点的状态已经确定,获得的边界将更为准确。实验表明分割结果有了很大程度的改进。