[發(fā)明專利]一種三維模型最優(yōu)視圖的自動選擇方法

有效

• 申請?zhí)枺?/td>: 201310161602.0
• 申請日: 2013-05-03
• 公開（公告）號: CN103295025A
• 公開（公告）日: 2013-09-11
• 發(fā)明（設計）人: 孫正興;李晨曦;章菲倩;宋沫飛
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

技術領域

本發(fā)明涉及一種計算機圖形形狀分析的處理方法，屬于計算機圖形學技術領域，具體地說是一種三維模型最優(yōu)視圖的自動選擇方法。?

背景技術

計算機技術的發(fā)展使得三維模型在計算機輔助設計、數(shù)字娛樂、醫(yī)學等諸多領域得到了廣泛的應用，為了有效地利用由此產生的大量三維模型，需要高效的瀏覽與認知手段。根據成像原理以及視覺計算理論，三維模型需要映射到二維視圖后，才能被人類瀏覽和認知。人類對物體的認知依賴于視點位置，而使得人類能夠最好地認知和理解三維模型的二維視圖，稱之為該三維模型的最佳視圖。三維模型數(shù)據集的瀏覽過程中，應該選用具有代表性的最優(yōu)視圖作為縮略圖來展示三維模型。人類能夠合理地選擇視點位置，得到三維模型的最優(yōu)視圖，但是對于大量的三維模型來說，完全由人工選擇是不可行的，因而需要自動選擇三維模型最優(yōu)視圖的方法。?

由于最優(yōu)視圖和人類的感知有關，難以確切地給出最優(yōu)視圖嚴格的數(shù)學定義，因此近年來出現(xiàn)了多種最優(yōu)視圖的定義以及相應方法。一種是量化人類觀察物體的視覺習慣，將二維視圖的優(yōu)劣定義為一個三維模型與視圖相關的函數(shù)，使得該函數(shù)取得最大值的視圖就是最優(yōu)視圖。?

這種方法根據特征選擇的不同主要分為兩類：一類是直接分析三維模型得到最優(yōu)視圖，例如文獻2：Feixas?M,delAcebo?E,Bekaert?P,et?al.An?information?theory?framework?for?the?analysis?of?scene?complexity[J].Computer?Graphics?Forum18(3),95–106(1999).定義了基于互信息的場景復雜性評價，來度量場景中點或者面片之間的相關性；文獻3：楊利明,王文成,吳恩化.基于視平面上特征計算的視點選擇[J].計算機輔助設計與圖形學學報,2008,20(9):1097-1103.在視平面上分析曲率特征度量模型的幾何特征在視平面上的分布狀況，以此計算熵值作為衡量視點優(yōu)劣的標準；文獻4：曹偉國,胡平,李華,等.基于距離直方圖的最優(yōu)視點選擇[J].計算機輔助設計與圖形學學報,2010,22(9):1515-1521.提出基于距離直方圖的三維模型最優(yōu)視點選擇方法，計算距離直方圖的香農熵并作為衡量視點優(yōu)劣的標準。雖然在視點上直接分析三維模型時，可以利用到三維空間中更多的信息，但具有較高計算復雜度，而且未考慮到映射到二維平面的成像原理。另一類是對視點上得到的二維投影視圖進行分析，一種是通過可見面比例大小、投影面積大小、曲率等幾何特征來度量，另一種是以信息論的角度，使用度量視圖攜帶信息量的函數(shù)來評價，如文獻5：Joshua?P,Philip?S,Aleksey?G,et?al.A?planar-reflective?symmetry?transform?for3D?shapes[J].ACM?Transactions?on?Graphics,2006,25:549-559.提出的對稱性方法、文獻6：Yamauchi?H,Saleem?W,Yoshizawa?S,Karni,et?al.?Towardsstableand?salient?multi-view?representation?of?3D?shapes.In?Proceedings?of?the?IEEE?International?Conference?on?Shape?Modeling?and?Applications2006(SMI’06),2006:40.提出的相似性方法使得視覺冗余信息最小化，或者文獻7Vázquez?PP,Feixas?M,Sbert?M,Heidrich?W.Automatic?view?selection?using?viewpoint?entropy?and?its?application?to?image-based?modelling.Computer?Graphics?Forum,2003,22(4):689-700：.提出的視點熵方法、文獻8：Shilane?P,Funkhouser?T.Distinctive?regions?of3D?surfaces.ACM?Trans.Graphics,2007,26(2):Article?No.7.提出的形狀差異方法使得感興趣內容可視性最大化。雖然會丟失一些三維信息，但這種方法的優(yōu)勢在于所有的特征分析在二維離散空間中進行，可以借用圖像處理以及圖像模式識別的方法，而且計算開銷較小。?