[发明专利]基于3D-SUSAN算子的三维模型感兴趣点提取方法

权利要求书

1.基于3D-SUSAN算子的三维模型感兴趣点提取方法，其特征在于包括如下步骤：

步骤(1)：利用网格读取算法计算待提取三维模型的顶点位置坐标，并且利用网格简化算子将待提取三维模型顶点进行简化；

步骤(2)：利用曲率算子计算每个顶点的曲率值；

步骤(3)：利用高斯函数对曲率值进行高斯处理，去除噪声，得到去噪后的曲率值；

步骤(4)：定义顶点集群，根据邻居顶点与当前顶点的距离，选取距离最短的前36个邻居顶点作为与当前顶点曲率值比较的顶点集群；

步骤(5)：根据步骤(4)定义的顶点集群，若当前顶点与顶点集群内其他邻居顶点的曲率值的差值小于定义的相似度阈值，则将该当前顶点作为候选点；然后比较候选点的USAN值与几何阈值的大小，若USAN值小于几何阈值大小，则将该候选点作为感兴趣点返回；

步骤(6)：定义评估算子FPE、FNE和WME，根据算法缺失率、多余率、误差率对步骤(5)得到的感兴趣点进行评估；

步骤(2)所述的利用曲率算子计算每个顶点的曲率值，其中曲率值计算公式如下：

设三维曲线方程为：x＝x(t)，y＝y(t)，z＝z(t)；

1)分别求导，得到x′(t)，y′(t)，z′(t)；

2)分别求2阶导，得到x″(t)，y″(t)，z″(t)；

3)将三个一阶导合在一起看做一个三维矢量：r′＝(x′(t)，y′(t)，z′(t))；

4)将三个二阶导合在一起看做一个三维矢量：r″＝(x″(t)，y″(t)，z″(t))；

5)曲率值计算公式为：

所述的步骤(3)中利用高斯公式对步骤(2)中顶点曲率值进行高斯函数处理，得到σ区域内平均曲率值的高斯加权平均，所述的高斯函数公式如下：

G是σ区域内平均曲率值的高斯加权平均，是顶点的曲率值，x是σ区域内当前计算顶点v的邻居顶点；

步骤(4)中所述定义顶点集群是指以当前计算顶点为中心，选取距离最短的前36个邻居顶点作为与当前顶点对比的顶点；

三维模型顶点距离计算公式为：

(x₁，y₁，z₁)，(x₂，y₂，z₂)分别是两个顶点的坐标；

所述步骤(5)的具体实现过程如下：

5-1.首先为了增加阈值自适应能力，需要动态计算每个中心顶点的所属顶点集群内曲率值相似度阈值；

其中，中心顶点是指顶点集群中当前计算的顶点；a表示曲率值的差值平均值；c(v₀)表示中心顶点曲率值，c(v)表示顶点集群内其他邻居顶点曲率值：

表示曲率值相似度阈值，a表示曲率值的差值平均值，c表示集群内顶点的曲率值，N表示集群点个数，这里取36；

若当前顶点与其邻居顶点的曲率值的绝对值差值小于曲率值的相似度阈值，则将当前顶点作为候选点；

5-2.计算每个候选点的USAN值：

其中，表示曲率相似度阈值，c(v₀)表示中心顶点曲率，c(v)表示顶点集群内其他邻居顶点曲率；d表示前一候选点的USAN值，其初始值为0；

参考应用在二维图像角点提取的SUSAN算子，在提取角点时几何阈值等于USAN区域的1/2，因此在3D-SUSAN算子中，同样选取USAN值的1/2作为几何阈值：

g(v₀)表示v₀的几何阈值，d(v₀)表示v₀的USAN值；

若候选点的USAN值小于几何阈值，则认为该候选点为角点；

5-3.对得到的角点做非极大值抑制，最终得到感兴趣点；

步骤(6)所述的对步骤(5)得到的感兴趣点进行评估，具体如下：一是建立模型真实场景，二是使用建立的真实场景评估感兴趣点提取方法；

(1)建立模型真实场景兴趣点标识的评估标准，引用数据包括三维模型以及每个模型的人工提取感兴趣点坐标集；

(2)使用建立的真实场景评估感兴趣点提取方法，利用FPE、FNE和WME对步骤5-3得到的感兴趣点进行评估；

Gr＝(p∈M|d1(g1，p1)≤r)

G_r表示模型真实场景的感兴趣点集，M表示提取的感兴趣点集，d1表示顶点g1与顶点p1的距离，r表示σ区域的半径；

N_C表示提取的正确的点数量，N_G表示真实场景中总的兴趣点个数；

N_A表示提取的兴趣点个数，N_C表示提取得到的正确的点数量；

n_i表示n_i个志愿者标识了i点，g_i表示半径为r时的真实场景3D-SUSAN评估结果。