基于Delaunay三角化的點(diǎn)云表示的帶狀圖像骨架化算法研究.pdf

1、　　基于點(diǎn)云數(shù)據(jù)的形狀重建是當(dāng)前計(jì)算機(jī)圖形學(xué)領(lǐng)域研究的熱點(diǎn)。針對(duì)采樣于線狀圖形的離散點(diǎn)云數(shù)據(jù)的形狀重建是其中的重要研究?jī)?nèi)容之一。采樣于線狀圖形的離散點(diǎn)云數(shù)據(jù)也是常見(jiàn)的。如在模式識(shí)別、圖像處理等研究領(lǐng)域中，常常需要處理如文字、工程圖、路線圖、指紋等許多長(zhǎng)而窄的帶狀圖像；在通過(guò)掃描、量化等數(shù)字化過(guò)程中，由于各種原因，獲取的這些帶狀圖像的質(zhì)量很差。 在許多陶瓷花紙、印染品等所用的工業(yè)圖案中，也有許多類(lèi)似的長(zhǎng)而窄的帶狀圖像，除了因數(shù)字化產(chǎn)生較

2、差的質(zhì)量外，有些圖像本身就是由一些離散的點(diǎn)組成的(如通過(guò)噴“雪點(diǎn)”形成的)。在這些獲得的圖像中，像素間的連續(xù)性很差，需要進(jìn)行“補(bǔ)斷”等操作進(jìn)行預(yù)處理，才能獲取其有效的特征信息，以便進(jìn)行識(shí)別或重建。本文中，將這類(lèi)圖像看成點(diǎn)云數(shù)據(jù)來(lái)進(jìn)行處理。由于骨架包含了圖像特征的最有效數(shù)字化信息，能夠?qū)D像進(jìn)行有效的描述，因此在對(duì)帶狀圖像進(jìn)行識(shí)別或重建等處理時(shí)經(jīng)常需要計(jì)算它們的骨架。本文就是通過(guò)獲取點(diǎn)云數(shù)據(jù)的骨架以便于對(duì)帶狀圖像進(jìn)行識(shí)別或重建。
　

3、　如何有效地從離散點(diǎn)云數(shù)據(jù)獲取原帶狀圖形的邊界或骨架等特征信息，是離散點(diǎn)云數(shù)據(jù)的形狀重建中的關(guān)鍵和難點(diǎn)所在，也是本文的主要研究?jī)?nèi)容。本文中，為了獲取點(diǎn)云表示的帶狀圖像的骨架，首先通過(guò)對(duì)點(diǎn)云數(shù)據(jù)采用適合離散點(diǎn)集的Delaunay三角化方法和相應(yīng)規(guī)則來(lái)獲得帶狀圖像的邊界，然后在此基礎(chǔ)上再通過(guò)適合帶狀多邊形域的約束Delaunay三角化方法計(jì)算帶狀圖像的近似骨架。
　　該方法的過(guò)程大致為：針對(duì)點(diǎn)云表示的帶狀圖像，先對(duì)其進(jìn)行Delauna

4、y三角化，并基于一定的判定規(guī)則和PCA方法，判定并刪除帶狀圖像外部三角形；然后，提取圖像邊界多邊形。最后，對(duì)所得的邊界多邊形，再進(jìn)行約束Delaunay三角化，并根據(jù)所得三角形的不同類(lèi)型對(duì)其進(jìn)行骨架化計(jì)算，最終得到點(diǎn)云表示的帶狀圖像的近似骨架。
　　本文對(duì)如何有效地從離散點(diǎn)云數(shù)據(jù)獲取帶狀圖像的骨架進(jìn)行了初步探討，得到的只是近似骨架，在對(duì)骨架精度要求較高的情況下，可以將近似骨架的一些特征點(diǎn)作為控制頂點(diǎn)，然后采用SDM(Squared