基于Laplace谱嵌入和Mean Shift的三角网格一致性分割
针对现有网格分割算法对模型姿态及噪声敏感的不足,提出一种基于Laplace谱嵌入和Mean Shift聚类的网格一致性分割算法.采用Laplace-Beltrami算子,将3维空域中的网格模型转化成高维Laplace谱域中的标准型,降低了姿态变化和噪声对分割算法的影响,并增强了网格的结构可分性;在高维谱域中,采用非参数核聚类MeanShift算法,获取模型有视觉意义的语义区域.实验结果表明:该算法可以快速有效地实现具有分支结构三角网格模型的有意义分割且对模型姿态和噪声具有较好的鲁棒性.
Laplace谱嵌入、Mean Shift、一致分割、三角网格
17
TP391(计算技术、计算机技术)
国家科技支撑计划项目2009BAI81B00
2012-12-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
1292-1297