学位论文 > 优秀研究生学位论文题录展示

基于张量投票的去噪特征提取

作　者: 王长浩
导　师: 李崇君
学　校: 大连理工大学
专　业: 计算数学
关键词: 张量投票特征点主曲率主方向稳定检测关联特征
分类号: O186.11
类　型: 硕士论文
年　份: 2010年
下　载: 85次
引　用: 0次
阅　读: 论文下载

内容摘要

曲面上的特征线具有很好的几何背景。特征线,即曲面上曲率变化剧烈的曲线,是曲面特征的重要标志。由于特征线及其子集在诸如图像分析,人脸识别,曲面分割,网格光顺以及网格补洞等众多领域都有很广泛的应用,因此鲁棒的提取出特征线通常是一件很重要的事情。近期出现了很多在密集三角网格上提取特征线的算法,而精确的估算三角网格上的离散主曲率是提取特征线的关键所在。估算主曲率的方法有很多,如全局拟合估算主曲率和运用差分估算主曲率。在一般情况下,为估算主曲率首先要建立一个局部坐标系,而后续的计算都是在该局部坐标系下进行的。由于是局部坐标,一般的算法很难在具有噪声的网格上准确的提取出特征来。本文讨论了一个基于张量投票的提取特征的鲁棒性算法。张量投票的特征提取算法可以将特征点区分为角点,尖锐的边点以及面点。在用张量投票提取特征时,我们加入了对关联特征的应用,即计算中用到网格点周围的信息。由于加入了网格点周围点的信息,在估算主曲率时,算法不再具有局部性,从而就能提取出网格中对应于重要特征的特征线,并且这样的算法具有抗噪特性。数值实验表明此算法是有效的,并且能达到较好的效果。

全文目录

摘要  4-5
Abstract  5-8
引言  8-11
1 基础知识  11-20
  1.1 曲面曲率的基本知识  11-15
    1.1.1 光滑曲线曲面的曲率  11-13
    1.1.2 离散曲率估计相关的定理定义  13-15
    1.1.3 Weingarten矩阵  15
  1.2 曲率表示的特征  15-16
  1.3 三角网格基本知识  16-20
2 特征提取方法总结  20-30
  2.1 基于张量投票的特征提取  20-22
    2.1.1 法向张量投票矩阵  20-21
    2.1.2 法向张量投票矩阵的特征值分析  21-22
  2.2 需要估算曲率的特征提取方法  22-26
    2.2.1 全局拟合的特征提取方法  22-24
    2.2.2 局部拟合的特征提取方法  24-26
  2.3 基于有限差分曲率估算的特征提取  26-29
    2.3.1 计算每个面的第二基本形式  27-28
    2.3.2 坐标转换并加权平均  28
    2.3.3 估算主曲率沿主方向的方向导数  28-29
  本章小结  29-30
3 关联特征的去噪特征提取  30-33
  3.1 局部特征和关联特征  30
  3.2 关联特征过滤  30-31
  3.2 连接特征线  31-33
4 数值实验  33-37
结论  37-38
参考文献  38-41
攻读硕士学位期间发表学术论文情况  41-42
致谢  42-44

基于张量投票的去噪特征提取

内容摘要

全文目录

相似论文