一種基于Mean Shift的三維形狀自動分割方法技術

本發明專利技術提供了一種基于Mean?Shift的三維形狀自動分割方法，通過特征化頂點的距離獲取每個三維形狀網格的局部特征，根據三維形狀網格的頂點坐標獲取其網格的中心坐標，得到組合的四維特征空間；采用Mean?shift算法在前述四維特征空間進行聚類計算，得到聚類數以及各聚類所包含的特征點；采用K最近鄰分類技術對聚類計算結果進行決策空間建模，局部修正分割結果；采用可視化技術將局部修正后的分割結果根據聚類屬性標記顏色的方式進行著色處理，采用普林斯頓分割基準計算該分割方法在不同量度下的基準誤差，從而進行量化評價。本發明專利技術具有分割精度高，自動化程度高，適用三維形狀范圍廣的特點。

【技術實現步驟摘要】

本專利技術涉及一種三維形狀的自動分割方法。
技術介紹
網格分割是幾何建模和計算機圖形學研究和應用的關鍵要素，輔助其進行參數化、紋理映射、形狀匹配、變形、多精度建模，壓縮以及動畫等操作。對形狀的理解和基于物體表示的語義信息的獲得依賴于表示這些物體和形狀的三維網格特征和結構的提取。將三維表面網格自動分割成功能部分是計算機圖形學的基礎問題，分割不僅能夠提供對應物體的語義信息，還能用來指導多種類型的網格處理算法。在目前國內外公開的文獻中，MarcoAttene, Bianca Falcidieno and michelaSpagnuolo, “Hierarchical mesh segmentation based on fitting primitives”，TheVisual Computer, 2006 中提出了基于 Fitting Primitives 的分割算法， 對三維形狀進行層次性的分割。該算法完全自動地生成一顆聚類二叉樹，每個節點代表的聚類都被一種基礎圖形如平面，柱面或球面所擬合。三維形狀中的每個三角形面片表示一個聚類，在反復迭代過程中將相鄰的聚類對融合，使得融合后的聚類對能夠更好的被基礎圖形所擬合且生成新的聚類。該算法自底向上遞歸的融合聚類，達到定義的分割數時終止。 Shymon Shlafman, Ayellet Tal and Sagi Katz,“Metamorphosis ofPolyhedral Surfaces using Decomposition’’，Computer Graphics Forum, 2002 中在對多邊形曲面進行變形時使用了與k-means聚類算法相似的解構方法。Κ-means在分割數k確定后,首先在物體表面選擇k個種子網格面片作為初始聚類中心，接著進行遞歸運算1)將所有面片分配給離其最近的聚類中心；2)計算每個聚類的均值點，將初始聚類中心移動到均值點，將其當作新的聚類中心；直到聚類中心與其均值很接近時停止遞歸。K-means在特征空間進行聚類，采用歐幾里得距離作為相似度測量，使得聚類內特征點間的相似度最高，不同聚類的相似度最低。通過特征點與三維形狀多邊形網格一一對應的關系，將三維形狀分割為有意義的功能部分。但上述兩種三維形狀的分割方法有幾點不足基于Fitting Primitives的三維網格物體分割方法只適合三維CAD模型,分割個數需事先定義，由于算法使用平面、曲面等基礎圖形對三維形狀進行擬合，其擬合誤差較大，分割效果不好。基于k-means的分割方法需要人為定義分割個數，對多個三維形狀進行分割時， 需要依次設置分割個數，自動化程度低，另外，分割精度低。
技術實現思路
為了克服現有技術自動化性能差、適用范圍小、分割精度低的不足，本專利技術提供一種基于mean shift的三維形狀自動分割方法，該分割方法可以對通用物體的三維模型以及 CAD模型進行自動分割。首先，為了獲取三維形狀的局部屬性特征和幾何位置特征，分別計3算三維形狀中每個網格面片的shape diameter值和中心坐標,構成shapediameter和幾何坐標組合的四維特征空間。接著，使用mean shift算法在四維組合特征空間進行約束聚類， 通過特征點與網格面片的對應關系得到三維形狀的分割，分割部分數與聚類個數相等。本專利技術采用k最近鄰分類法對分割結果進行局部修正，然后通過可視化操作將抽象數據轉換為直觀的三維圖像，接著利用基準量度進行量化評價。本專利技術可以對三維形狀進行自動分割，且無需事先規定分割個數。本專利技術解決其技術問題所采用的技術方案包括以下步驟(I)通過特征化頂點的距離獲取每個三維形狀網格的局部特征，根據三維形狀網格的頂點坐標獲取其網格的中心坐標，得到組合的四維特征空間；(2)采用Mean shift算法在前述四維特征空間進行聚類計算，得到聚類數以及各聚類所包含的特征點；(3)采用K最近鄰分類技術對步驟(2)的聚類計算結果進行決策空間建模，局部修正分割結果；(4)采用可視化技術將局部修正后的分割結果根據聚類屬性標記顏色的方式進行著色處理，采用普林斯頓分割基準計算該分割方法在不同量度下的基準誤差，從而進行量化評價。本專利技術的有益效果是本專利技術實現了一種三維形狀的自動分割方法，該方法可以提取三維形狀的局部屬性特征shape diameter和幾何位置特征，給中心坐標賦予權重后與shape diameter 組合成四維特征空間，mean shift方法在特征空間進行約束聚類后使用k最近鄰分類法對分割結果進行局部修正，從而實現三維形狀的自動分割。首先，本專利技術提取的三維形狀 shapediameter特征可以適應三維物體的剛性變形和不改變局部體積的非剛性變形,在縮短特征提取時間的同時獲得較好的魯棒性；其次，本專利技術在特征空間引入了幾何特征，作為空間約束可以避免把幾何位置相差很遠的部件分割在一起的情況，大大地提高了分割精度；再次，本專利技術采用k最近鄰分類法對分割結果進行局部修正，改善了分割邊界的光滑性以及分割結果的準確性。最后，本專利技術采用可視化技術和普林斯頓分割基準，優點在于1) 清楚的展示分割后的三維形狀，便于進行視覺分析；2)計算本專利技術在不同度量基準下的誤差，使得量化分析具有說服力和可比性；3)通過視覺分析與量化評價的結合，使該方法的性能得到更加清晰具體的說明。實驗說明，本專利技術提出的三維自動分割方法，具有分割精度高，自動化程度高，適用三維形狀范圍廣的特點。附圖說明圖I為該專利技術實現的總流程圖2為特征的計算與組合流程圖3為基于mean shift的分割流程；圖4為基于k最近鄰的局部修正過程；圖5為結果可視化過程的簡單描述；圖6為量化評價的過程表示。具體實施方式本專利技術包括以下幾個步驟( I)三維形狀局部特征和幾何特征的計算與組合。本專利技術通過特征化頂點的距離獲取每個三維形狀網格的局部特征，根據三維形狀的頂點坐標獲取其網格的中心坐標，得到組合的四維特征空間。本專利技術采用三維網格頂點間距離的加權平均獲取三維形狀的局部特征，局部屬性shape diameter不會隨著三維物體的剛性變換和不改變形狀局部體積的非剛性變形而改變，可以大體上將三維形狀各部件分開，幾何特征作為空間約束與shape diameter組合,使聚類更加精確。(2)采用Mean shift算法在特征空間的聚類。本專利技術將在前述四維特征空間進行聚類計算。mean shift是一種無監督聚類方法，不需要對數據進行學習且聚類個數由算法自動確定。本專利技術通過高斯徑向基核函數確定特征點的窗口尺寸，同時以特征點間的歐幾里得距離作為量度，為特征點賦予不同權重。 遞歸計算出每個特征點的收斂值，將收斂到相同值的特征點聚集到一個聚類中。遞歸結束可以得到生成的聚類數以及各聚類所包含的特征點。(3)分割結果的局部修正。采用K最近鄰分類技術對步驟(2)的分割結果進行決策空間建模。多邊形網格所對應特征點的聚類屬性由與其歐式距離最近的k個特征點的聚類屬性決定。特征空間聚類使三維形狀得到初步分割，特征點都被標記為某個聚類，局部修正過程中，特征點需要在保持原有聚類和改變為新聚類之間做出決策。(4)分割結果可視化以及量化評價。本專利技術采用可視化技術將修正后的分割結果根據聚類屬性標記顏色的方本文檔來自技高網...

【技術保護點】
一種基于Mean？Shift的三維形狀自動分割方法，其特征在于包括下述步驟：（1）通過特征化頂點的距離獲取每個三維形狀網格的局部特征，根據三維形狀網格的頂點坐標獲取其網格的中心坐標，得到組合的四維特征空間；（2）采用Mean？shift算法在前述四維特征空間進行聚類計算，得到聚類數以及各聚類所包含的特征點；（3）采用K最近鄰分類技術對步驟（2）的聚類計算結果進行決策空間建模，局部修正分割結果；（4）采用可視化技術將局部修正后的分割結果根據聚類屬性標記顏色的方式進行著色處理，采用普林斯頓分割基準計算該分割方法在不同量度下的基準誤差，從而進行量化評價。

【技術特征摘要】

【專利技術屬性】
技術研發人員：劉貞報，謝彩麗，布樹輝，
申請(專利權)人：西北工業大學，
類型：發明
國別省市：