[發明專利]基于不確定性的三維目標體表面重構方法

有效

• 申請號: 201410394581.1
• 申請日: 2014-08-12
• 公開（公告）號: CN104200529B
• 公開（公告）日: 2017-04-12
• 發明（設計）人: 姚興苗;鄧博文;胡光岷
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T17/30
• 分類號: G06T17/30
• 代理公司: 成都宏順專利代理事務所(普通合伙)51227
• 代理人: 周永宏

技術領域

本發明屬于目標體表面重構技術領域，尤其涉及一種基于不確定性的三維目標體表面重構方法。

背景技術

三維目標體的表面重構及其可視化在環境、地質、醫療、航空等許多領域中都非常重要。比如在地質解釋過程中，針對地下石油、砂體等礦產的識別及探測，三維目標體表面重構具有非常重大的意義。在對目標體表面進行重構時，等值面的思想是所有規則的三維數據體的目標表面重構方法中最常見的，尤其是等值面提取方法，該方法可以處理大量數據，將其中的特定數值構成曲面，簡稱等值面，該等值面即是某物體的外形輪廓，該方法經常用于醫學和物理等領域，應用十分廣泛；而等值面提取方法中最常用的是移動立方體算法，該方法主要適用于體數據。除了移動立方體算法外，體透視方法和射線追蹤法等使用頻率也很高。在三維目標表面重構過程中的不確定性相關研究中，不確定性分析通常需要結合相關研究領域中的數據特征和規律來進行。但對于地震數據體而言，我們很難得到目標體表面的數據特征及規律，因此，利用不確定性分析存在一定的難度。現有的不確定性推理及可視化方法能在特定的領域解決一些特殊的問題，但是其適用性具有很大的局限性，特別是對于地質領域中的三維地質目標體的表面重建問題，單獨應用現有的方法很難解決實際需求。D-S證據理論屬于人工智能范疇，最早應用于專家系統中，具有處理不確定信息的能力。作為一種不確定推理方法，證據理論的主要特點是：滿足比貝葉斯概率論更弱的條件；具有直接表達“不確定”和“不知道”的能力。在D-S證據理論中，由互不相容的基本命題組成的完備集合稱為識別框架，表示對某一問題的所有可能答案，但其中只有一個答案是正確的。該框架的子集稱為命題。分配給各命題的信任程度稱為基本概率分配(BPA，也稱m函數)，m(A)為基本可信數，反映著對A的信度大小。信任函數Bel(A)表示對命題A的信任程度，似然函數Pl(A)表示對命題A非假的信任程度，也即對A似乎可能成立的不確定性度量，實際上，[Bel(A),Pl(A)]表示A的不確定區間，[0,Bel(A)]表示命題A支持證據區間，[0,Pl(A)]表示命題A的擬信區間，[Pl(A),1]表示命題A的拒絕證據區間。設M₁和M₂是由兩個獨立的證據源(傳感器)導出的基本概率分配函數，則一定的組合規則可以計算這兩個證據共同作用產生的反映融合信息的新的基本概率分配函數。在地質目標體表面重構的研究中，比較經典的地質體提取及可視化方案的基本流程是：首先，利用屬性分析將代表目標體的地震數據點提取出來；其次，再利用種子點追蹤方法追蹤目標體散點；然后，再根據目標體散點，利用矢量形式表達目標體的表面。在上述目標體表面重構過程中，不可避免地會引入不確定性因素，如在種子點追蹤的過程中得到的目標體散點存在較大的不確定性因素，這將在一定程度上影響到用戶是否能夠得到較為理想的目標體表面。目前，針對該研究課題的主要解決方法可分兩大類：一類是以標量形式表達目標體的方法，如商業軟件petrel表達目標體的主要方法是以體透視的形式直接可視化地震數據體：另一類是以矢量形式表達目標體的方法，如用三角面近似表達目標體的表面。目前這些方法的主要思路是：首先，依次應用屬性范圍分析方法和區域生長策略將目標體的散點從三維地震數據中提取出來；然后，根據目標體散點，利用標量形式或者矢量表面形式表達目標體。在現有技術中，存在以下問題：在進行目標體屬性范圍分析后，采用區域生長策略提取地質目標體散點，往往對地震數據和屬性范圍分析的準確度具有較強的依賴性，當地震數據噪聲多，屬性范圍分析不準確時，區域生長策略得出的目標體散點噪聲含量較多，目標體輪廓不清晰，不易辨認，這將直接影響到目標體表面的重構效果。

發明內容

為了解決以上問題，本發明提出了一種基于不確定性的三維目標體表面重構方法。

本發明的技術方案是：一種基于不確定性的三維目標體表面重構方法，包括以下步驟：

S1.采用正態概率密度分布函數對目標體散點的可信度進行量化；

S2.利用區域生長策略分析法、空間密度分析法和屬性相似度分析法計算目標體散點的不確定性，目標體散點的可信度u_i可以表示為：