模型驱动下的形状分布算法

三维模型的特征提取方法中,形状分布算法简单,具有强的不变性和鲁棒性,但其抽样点不具有代表性,影响了系统的检索精度.为增强抽样点的有效性,我们改进抽样策略,首先引入模型复杂度描述参数,扩大抽样点集;然后利用可分离离散小波变换,逐层分解样点集,增强其有效性,并使最终样点数相同;最后使用形状分布算法进行三维模型的特征提取,并应用在三维模型检索上,对比实验结果表明,改进后的算法提高了系统的检索精度.

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。