基于离散流形调和基的保特征谱几何处理方法

提出一种离散点云的Laplace算子的估计方法,利用离散化积分以及空间Voronoi图来构造拉普拉斯算子。为使Voronoi图近似更加精确,考虑在切空间投影生成Voronoi图时引入法向约束,相对于直接在切空间中构造Voronoi图,在切空间中生成的各向异性Voronoi图在近似精度上更加逼近于曲面流形上的Voronoi图。几何滤波、骨架提取等实验结果表明,该离散Laplace-Beltrami算子在局部特征的保持上效果更加明显,收敛速度更加迅速。

基于显著性分析的网格模型语义特征线提取

现有的基于局部微分属性度量的网格模型特征线提取方法较难描述模型全局语义特征。为解决该问题,提出一种基于显著性分析的、符合人类视觉注意力机制的语义特征线提取算法。首先以谱图理论为工具,构建网格模型光顺三维基准面,获取网格顶点显著性重要度;利用离散拉普拉斯—贝尔特拉米算子方向属性构建网格语义特征区域,提取特征区域骨骼线,对骨骼线进行优化后得到模型语义特征线。该算法完全去除了模型局部微分几何量的度量,提取的特征线能很好地完成全局语义特征描述。实验结果证明了算法的有效性。