一种基于概率分区合并的三维模型分割方法技术

本发明专利技术公开了一种基于概率分区合并的三维模型分割方法，包括：1)过分割形成大量区域，2)对所述过分割区域进行聚合，3)训练级联式分类器，4)根据所述级联式分类器对新的模型进行分割，合并相邻区域，得到分割结果。通过大量的区域可以确保当前的初始分割的边界包含了最终理想的分割的边界，之后，通过逻辑回归模型，训练一个级联式的二分类器，用来判断是否将相邻的区域合并为一个区域。本发明专利技术的方法基于机器学习的理论，通过级联式的区域凝聚的方式来对三角网格进行分割，依据其需要选出合适的分割结果。并且在本发明专利技术中验证了该分割方法的有效性，本发明专利技术利于整合特征，并且对于大多数类型的模型取得了较好的效果。

【技术实现步骤摘要】

本专利技术涉及三维模型领域，特别涉及一种基于概率分区合并的三维模型分割方法。
技术介绍
计算机技术的飞速发展创造出一个对立于现实世界的数字化世界。在这个虚拟世界中，借助计算机图形学(ComputerGraphics，CG)技术，可以创造出如同真实世界甚至超出真实世界的奇妙场景。在这样的虚拟世界中，三维模型占有非常重要的位置。三维模型保留真实世界中物体的几何信息，并且经过加载光照，材质，纹理等属性之后可以构建出逼真的虚拟效果。近几年来，随着三维建模技术的发展，以及三维扫描仪的普及，获取三维模型的方式较早年间有了明显发展。由三维扫描仪和计算机视觉技术可以从实际的模型上扫描得到点云数据，通过点云重建，细节后处理等步骤获取完整的三维网格模型。这些由多边形面片组成的三维模型在模型制造，图形显示，模型变换等方面较曲面模型有着优良的性能，从而在计算机辅助设计(CAD)，三维动画，几何造型，医学图像等各方面工作中发挥着广泛的作用。随着增长的数据获取能力以及增长的应用需求，让三维模型的处理技术成为了日渐重要的研究课题，包括压缩，分割，参数化，网格变形，识别，简化，纹理映射，去噪，修复，检索等。其中，对三维模型进行分割是一个基本而重要的问题。将三维模型分割为有意义的部分会给建模，纹理映射，网格变形，检索等一系列应用提供更多的发展空间。例如，对图片进行分析时，常常会将图片进行分割，并且赋予不同部分语义上的信息，这样就给图片在几何位置，颜色，纹理之外添加了很多外部世界的先验信息，当面对如识别这样的任务时，可以进行更快速，更准确，并且更复杂高级的处理。同理，对于三维网格，仅仅对三维模型整体进行分析，必定会丢失局部的信息；并且越来越多的应用要求对于三维模型的局部进行处理，所以对三维模型的分割工作尽管处于基础的地位但有着重要的作用。三维(3D)模型的种类较多，其中很流行的是三维网格模型。对于三维网格模型来说，他们一般由三角形，四边形或者多边形组成。这样的网格形式灵活度非常高，并且类比于二维图形中的线段可以近似的逼近任意曲线，三维网格模型也能够以任意精度逼近各类曲面，由他们构成的三维模型能够非常精准的表示十分复杂的物体，并且在处理时，由于所有表面均是多边形，可以采取相比分析曲面更为简单的方法，给了网格模型非常优秀的性质。在这些网格模型中，三角网格(TriangularMesh)又是其中非常重要的一种，他的表面全部由三角形构成，各个表面的性质相似，进行处理更容易，并且对于其他的网格模型，多边形均可以转化成三角形，所以对三角网格的处理是最基本的问题。近年来对三角网格的分割方法基本都是使用一个全局函数，为三角网格的点或面计算一个度量值，以此作为分割依据。但是相应的这些算法由于受到全局函数性能的影响，当函数值无法对模型进行判别时无法进行有效分割。
技术实现思路
本专利技术要解决的技术问题是，提出了一种学习式的的分割算法，通过提取三角网格的特征，学习到合适的模型来对三角网格进行分割。解决上述技术问题，本专利技术提供了一种基于概率分区合并的三维模型分割方法，包括：1)过分割形成大量区域，1-1)根据三维模型中的三角网格模型，建立图G(V,E)，其中，V为顶点、E为边，Dist(Vi,Vj)为E上的长度；1-2)基于权重计算得到所述Dist(Vi,Vj)的距离，得到每一对相邻三角面(Vi,Vj)的距离；1-3)根据最短距离算法得到两个不相邻的三角面的距离进行聚类，得到过分割的大量区域；2)对所述大量区域进行聚合，2-1)在所述大量区域的三维模型中得到区域对(p,q)；2-2)在每一个区域对(p,q)间通过特征向量得到相似度；2-3)通过建立概率模型判断是否需要将所述区域对(p,q)进行合并；2-4)对于所述概率模型，将其中的所有特征对组合起来，进行训练带权回归模型；3)训练级联式分类器，3-1)基于机器和人工分割边缘，建立边界召回函数；3-2)根据用以惩罚错误聚合的区域的权重值和所述边界召回函数进行级联式训练，得到一个级联式分类器；4)根据所述级联式分类器对新的模型进行分割，合并相邻区域，得到分割结果。更进一步，所述其中，α表示两个面的二面角，定义为两个面的中心到共有边的中点的距离之和，a，b为权重用来保证Dist(Vi,Vj)处于[0,1]之间。更进一步，权重a，b按照如下方式建立回归模型的目标函数：其中，定义为所有的相邻三角面对为P1,P2,...Pn,Pi的距离，是不同区域的概率。更进一步，根据最短距离算法得到两个不相邻的三角面的距离具体为：更进一步，所述聚类为K-Means聚类算法。更进一步，所述概率模型为：其中，ω是的线性逻辑回归模型的参数，φp,q(I,R)表示特征向量，对于一个三维模型Ii，将其分为ki个区域，区域集合记作Ri＝{Ri,1,Ri,2,…Ri,ki本文档来自技高网...

【技术保护点】
一种基于概率分区合并的三维模型分割方法，其特征在于包括：1)过分割形成大量区域，1‑1)根据三维模型中的三角网格模型，建立图G(V,E)，其中，V为顶点、E为边，Dist(Vi,Vj)为E上的长度；1‑2)基于权重计算得到所述Dist(Vi,Vj)的距离，得到每一对相邻三角面(Vi,Vj)的距离；1‑3)根据最短距离算法得到两个不相邻的三角面的距离进行聚类，得到过分割区域；2)对所述过分割区域进行聚合，2‑1)在所述过分割区域的三维模型中得到区域对(p,q)；2‑2)在每一个区域对(p,q)间通过特征向量得到相似度；2‑3)通过建立概率模型判断是否需要将所述区域对(p,q)进行合并；2‑4)对于所述概率模型，将其中的所有特征对组合起来，进行训练带权回归模型；3)训练级联式分类器，3‑1)基于机器和人工分割边缘，建立边界召回函数；3‑2)根据用以惩罚错误聚合的区域的权重值和所述边界召回函数进行级联式训练，得到一个级联式分类器；4)根据所述级联式分类器对新的模型进行分割，合并相邻区域，得到分割结果。

【技术特征摘要】
1.一种基于概率分区合并的三维模型分割方法，其特征在于包括：1)过分割形成大量区域，1-1)根据三维模型中的三角网格模型，建立图G(V,E)，其中，V为顶点、E为边，Dist(Vi,Vj)为E上的长度；1-2)基于权重计算得到所述Dist(Vi,Vj)的距离，得到每一对相邻三角面(Vi,Vj)的距离；1-3)根据最短距离算法得到两个不相邻的三角面的距离进行聚类，得到过分割区域；2)对所述过分割区域进行聚合，2-1)在所述过分割区域的三维模型中得到区域对(p,q)；2-2)在每一个区域对(p,q)间通过特征向量得到相似度；2-3)通过建立概率模型判断是否需要将所述区域对(p,q)进行合并；2-4)对于所述概率模型，将其中的所有特征对组合起来，进行训练带权回归模型；3)训练级联式分类器，3-1)基于机器和人工分割边缘，建立边界召回函数；3-2)根据用以惩罚错误聚合的区域的权重值和所述边界召回函数进行级联式训练，得到一个级联式分类器；4)根据所述级联式...

【专利技术属性】
技术研发人员：吴怀宇，吴挺，李阳春，
申请(专利权)人：北京三体高创科技有限公司，吴怀宇，
类型：发明
国别省市：北京;11