基于Delaunay三角化的點云表示的帶狀圖像骨架化算法研究.pdf

1、　　基于點云數(shù)據(jù)的形狀重建是當(dāng)前計算機圖形學(xué)領(lǐng)域研究的熱點。針對采樣于線狀圖形的離散點云數(shù)據(jù)的形狀重建是其中的重要研究內(nèi)容之一。采樣于線狀圖形的離散點云數(shù)據(jù)也是常見的。如在模式識別、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、指紋等許多長而窄的帶狀圖像；在通過掃描、量化等數(shù)字化過程中，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，也有許多類似的長而窄的帶狀圖像，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組成的(如通過噴“雪點”形成的)。在這些獲得的圖像中，像素間的連續(xù)性很差，需要進行“補斷”等操作進行預(yù)處理，才能獲取其有效的特征信息，以便進行識別或重建。本文中，將這類圖像看成點云數(shù)據(jù)來進行處理。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像進行有效的描述，因此在對帶狀圖像進行識別或重建等處理時經(jīng)常需要計算它們的骨架。本文就是通過獲取點云數(shù)據(jù)的骨架以便于對帶狀圖像進行識別或重建。
　

3、　如何有效地從離散點云數(shù)據(jù)獲取原帶狀圖形的邊界或骨架等特征信息，是離散點云數(shù)據(jù)的形狀重建中的關(guān)鍵和難點所在，也是本文的主要研究內(nèi)容。本文中，為了獲取點云表示的帶狀圖像的骨架，首先通過對點云數(shù)據(jù)采用適合離散點集的Delaunay三角化方法和相應(yīng)規(guī)則來獲得帶狀圖像的邊界，然后在此基礎(chǔ)上再通過適合帶狀多邊形域的約束Delaunay三角化方法計算帶狀圖像的近似骨架。
　　該方法的過程大致為：針對點云表示的帶狀圖像，先對其進行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，對所得的邊界多邊形，再進行約束Delaunay三角化，并根據(jù)所得三角形的不同類型對其進行骨架化計算，最終得到點云表示的帶狀圖像的近似骨架。
　　本文對如何有效地從離散點云數(shù)據(jù)獲取帶狀圖像的骨架進行了初步探討，得到的只是近似骨架，在對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作為控制頂點，然后采用SDM(Squared