[发明专利]基于3D-SUSAN算子的三维模型感兴趣点提取方法

说明书

本发明提出一种基于3D‑SUSAN角点算子的三维模型感兴趣点提取方法。本发明首先读取三维模型顶点，并简化模型顶点以及模型网格化，计算每个顶点的曲率。再通过高斯滤波处理每个顶点的曲率，进行去噪处理。接着确定一个中心点并取中心点周围的36个邻居点，若中心顶点与邻居顶点的曲率差小于曲率相似度阈值，则进入下一步；若每个顶点的USAN值小于几何阈值，则该中心顶点就是兴趣点。最后对本发明所提出的基于3D‑SUSAN角点算子提取的三维模型感兴趣点从错误率、缺失率、误差率进行评估。本发明不仅可以提取三维模型兴趣点而且仍保留了SUSAN的抗噪能力强、计算量小效率高、性能稳定的优点。

技术领域

本发明涉及三维模型感兴趣点提取，具体讲的是关于一种基于3D-SUSAN角点算子的三维模型感兴趣点提取方法。

背景技术

近年来3D应用得到了广泛的关注，在三维模型发展的过程中，感兴趣点提取是很多3D应用技术的本质，例如，网格简化、网格分割、视点选择和三维模型匹配检索。使用感兴趣点匹配三维模型，需要提供模型的局部特征点。这种方法也适用于三维图片识别、匹配。

在感兴趣点提取的领域中，无论是在理论上还是在实际3D应用中，我们都可以目睹这种技术的巨大进步。这些进步可以从模型分析、模型传送和模型渲染上得以体现。感兴趣点提取技术通常使用数学手段提取特征，比如几何数学中的曲率，曲率越大越显著。

三维模型感兴趣点提取也面临着一些挑战和困难。首先，到现在为止都不存在明确的关于感兴趣点的定义。基于一些主观研究表明感兴趣点是指点与其他点存在较大的差异的点。然后，由于3D网格的拓扑方向是任意的，模型顶点就有任意的邻居顶点。最后，除了顶点的位置信息，没有其他有关顶点的信息，因此需要计算顶点的其他特征信息。

二维角点检测算子可以笼统地归纳为3类分别是基于灰度图像的角点检测、基于二值图像的角点检测和基于轮廓曲线的角点检测。常见的角点算子包括Moravec角点检测算子、Harris角点检测算子和SUSAN角点检测算子等。其中SUSAN角点检测算子根据与每一图像点相关的局部区域具有相同的像素值。如果某一窗口区域内的每一个像素值与该窗口中心的像素值相同或相似，我们将该区域称之为USAN区域。若USAN区域小于阈值，我们将认为该区域的中心点为角点。

参考文献

[1]HelinDutagaci,Chun Pan Cheung,AfzalGodil,“Evaluation of 3Dinterest point detection techniquesvia human-generated ground truth”,Springer-Verlag,2012.

[2]C.H.Lee,A.Varshney,and D.W.Jacobs,Mesh Saliency,ACM SIGGRAPH,vol.174,pp.659-666,2005.

[3]A Benchmark for 3D Interest Points Marked by Human Subjects,[Online].

Available:http://www.itl.nist.gov/iad/vug/sharp/benchmark/3DInterestPoint.

[4]Castellani,U.,Cristani,M.,Fantoni,S.,Murino,V.:Sparse pointsmatching by combining 3D mesh saliency with statistical descriptors.Comput.Graph.Forum27(2),643–652(2008).

发明内容