(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 108492370 A
(43)申请公布日 2018.09.04
(21)申请号 CN201810174194.5
(22)申请日 2018.03.02
(71)申请人 中国地质大学(武汉)
    地址 430074 湖北省武汉市洪山区鲁磨路388号
(72)发明人 刘郑 钟赛尚 谢忠 刘金琴 陈杨 禹文豪
(74)专利代理机构 武汉知产时代知识产权代理有限公司
    代理人 冯必发
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      基于TV和各向异性Laplacian正则项的三角网格滤波方法
(57)摘要
      本发明涉及了基于TV和各向异性Laplacian正则项的三角网格滤波方法，该方法首先提出了一个作用于网格面法向量域的变分模型。该模型包括全变分和各向异性拉普拉斯两个正则项，不仅能恢复三角网格上的尖锐特征，还能很好地处理非线性光滑区域；其次，采用增广拉格朗日方法求解该变分模型，获得优化的面法向量信息；最后，根据优化的面法向量，采用顶点更新算法快速获得滤波后的三角网格模型。与现有技术相比，本发明算法具有效率较高，能显著提高滤波后三角网格的质量，同时保护尖锐几何特征以及恢复非线性光滑区域，达到较理想的滤波效果等优点。
法律状态
法律状态公告日
法律状态信息
法律状态
2022-02-22
未缴年费专利权终止
未缴年费专利权终止
2020-05-22
授权
授权
2018-09-28
正则化网络
实质审查的生效
实质审查的生效
2018-09-04
公开
公开
权 利 要 求 说 明 书
1.一种基于TV和各向异性Laplacian正则项的三角网格滤波方法,其特征在于,首先对三角网格面法向量进行滤波,然后根据优化后的法向量更新顶点得到滤波后的网格。
2.根据权利要求1所述的基于TV和各向异性Laplacian正则项的三角网格滤波方法,其特征在于,具体包括:
1)通过计算几何算法库获取输入三角网格模型的顶点、边、面的索引结构;
2)根据拓扑关系,计算并存储每个顶点的一邻域顶点和一邻域面,以及每个面的一邻域面;
3)计算每个面法向量,具体为<Image>其中,(v<Sub>i</Sub>,v<Sub>j</Sub>,v<Sub>k</Sub>)是三角形τ中逆时针方向排列的三个顶点;
4)根据步骤3)获取的法向量设定优化目标,其形式为:
<Image>
其中,E<Sub>f</Sub>(N)为保真项,E<Sub>tv</Sub>(N)为TV项,E<Sub>wlap</Sub>(N)为各向异性Laplacian项,α、β为优化参数,<Image>
5)采用增广拉格朗日法求解4)中的优化目标,得到滤波后的法向量;
6)根据步骤1)中获取的顶点和步骤5)中获取的法向量,通过顶点更新算法得到滤波后的三角网格。
3.根据权利要求2所述的基于TV和各向异性Laplacian正则项的三角网格滤波方法,其特征在于,步骤4)中优化目标的保真项、TV项和各向异性Laplacian项分别为:E<Sub>f</Sub>(N)=∑<Sub>τ</Sub>S<Sub>τ</Sub>||N<Sub>τ</Sub>-N<Sup>in</Sup>||<Sup>2</Sup>,其中S<Sub>τ</Sub>是三角形τ的面积,N<Sub>τ</Sub>为三角形τ的法向量;<Image>其中l<Sub>e</Sub>是边e的长度,<Image>为法向量域的梯度算子;<Image>其中,D<Sub>1</Sub>(τ)是三角形τ的一邻域面,<Image>为权重函数,<Image><Image>为归一化因子。
4.根据权利要求2所述的基于TV和各向异性Laplacian正则项的三角网格滤波方法,其特征在于,步骤5)包括:通过增广拉格朗日优化算法,对优化目标进行变量分离,然后针对每个子优化问题分别迭代求解。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。