基于馬爾科夫隨機(jī)場的三維網(wǎng)格模型分割算法研究.pdf

1、近年來，隨著在數(shù)字圖像處理、計算機(jī)圖形學(xué)、存儲技術(shù)及互聯(lián)網(wǎng)等領(lǐng)域的科學(xué)技術(shù)的快速發(fā)展，新的媒體形式，尤其是三維數(shù)字媒體開始呈現(xiàn)在人們面前。為了對三維數(shù)字媒體進(jìn)行處理，研究人員提出了數(shù)字幾何處理技術(shù)的概念，其中三維網(wǎng)格模型分割已經(jīng)成為數(shù)字幾何處理技術(shù)的研究熱點(diǎn)之一，它是網(wǎng)格模型參數(shù)化，網(wǎng)格模型紋理貼圖及網(wǎng)格模型的幾何變形的關(guān)鍵技術(shù)。
　　馬爾科夫隨機(jī)場，也叫馬爾科夫網(wǎng)絡(luò)或無向概率圖模型，提供了一個對上下文的相關(guān)的基點(diǎn)(如數(shù)字圖像中的

2、像素)及相關(guān)的屬性信息進(jìn)行建模的一致有效的方法，所以在數(shù)字圖像處理領(lǐng)域有著廣泛的應(yīng)用。
　　本文對國內(nèi)外的三維網(wǎng)格模型分割算法的研究進(jìn)展以及應(yīng)用進(jìn)行了歸納總結(jié)，給出了一個三維網(wǎng)格模型的分割的定義，并基于馬爾科夫隨機(jī)場和圖割法提出了兩個三維網(wǎng)格模型分割算法。
　　第一個算法，采用馬爾科夫隨機(jī)場中的雙層吉布斯隨機(jī)場對三維網(wǎng)格模型中面元的形狀直徑函數(shù)的屬性值及網(wǎng)格模型中面元之間的空間依賴關(guān)系進(jìn)行建模，上層分布用吉布斯分布描述網(wǎng)格模

3、型中面元之間空間依賴關(guān)系，下層分布用高斯混合模型對屬性值進(jìn)行聚類分析，描述每個屬性值與各個類的匹配程度。算法結(jié)合網(wǎng)格模型的幾何信息與拓?fù)湫畔?，有效地消除了過分割，且使分區(qū)的邊界更為光滑。
　　第二個算法，首先計算網(wǎng)格模型中各個面元的突出度，接著根據(jù)突出度構(gòu)造網(wǎng)格模型的Reeb圖，并基于Reeb圖快速、有效地提取出網(wǎng)格模型的顯著特征面元，然后利用馬爾科夫隨機(jī)場，根據(jù)人類視覺理論中的最小原則對網(wǎng)格模型中各個面元到顯著特征面元以及中心區(qū)