基于機器學習的復雜曲面特征提取與分割方法及其應(yīng)用研究.pdf

1、復雜曲面三維模型的分割是三維模型處理中的關(guān)鍵步驟，三維模型的分割在三維模型檢索、幾何壓縮傳輸、三維模型簡化等領(lǐng)域有著至關(guān)重要的作用?；谇市畔⒌娜S模型分割方法是三維模型分割方法中一種重要的分割方法。本文在對三維模型特征提取和分割相關(guān)技術(shù)的研究現(xiàn)狀進行總結(jié)和分析的基礎(chǔ)上，針對基于曲率信息的三維模型分割方法存在效率低、準確性無法保證的問題等進行了深入研究，根據(jù)研究成果開發(fā)了復雜曲面三維模型分割系統(tǒng)，在牙齒三維模型的分割中進行了應(yīng)用驗證。

2、
　　第一章介紹了基于機器學習的三維模型特征提取和分割技術(shù)的國內(nèi)外相關(guān)研究，包括三維模型特征提取技術(shù)、基于機器學習估計閾值技術(shù)和三維模型分割技術(shù)。分析了上述技術(shù)的研究進展以及目前存在的問題，提出了本文的研究內(nèi)容并分析其研究意義，最后簡單介紹本文的行文結(jié)構(gòu)。
　　第二章提出了復雜曲面三維模型頂點高斯曲率密度直方圖的特征描述方式。此特征描述對于三維模型高斯曲率閾值的獲取有較大的輔助作用。基于復雜曲面頂點高斯曲率密度直方圖的特征描

3、述，提出將三維模型眾多特征融合的方案設(shè)計。同時利用相關(guān)工具設(shè)計了實驗，提取了三維模型頂點的高斯曲率密度直方圖，驗證了復雜曲面三維模型頂點高斯曲率密度特征提取方法的正確性。
　　第三章提出了基于機器學習的復雜曲面高斯曲率閾值估計方法。依據(jù)復雜曲面模型和模型特征對應(yīng)的高斯曲率閾值的可靠樣本，訓練出復雜曲面特征和對應(yīng)高斯曲率閾值的回歸方程，通過復雜曲面模型測試樣本對回歸方程的參數(shù)改進、修正，隨著樣本量的增加，回歸方程的可靠性也得到提升，

4、達到了指定復雜曲面模型對應(yīng)的高斯曲率閩值估計的準確度，從而可以根據(jù)復雜模型特征求解出復雜曲面模型分割所需的高斯曲率閾值，解決了基于曲率的復雜曲面分割過程中，高斯曲率閾值難以計算的問題。
　　第四章提出了基于高斯曲率閾值估計的三維模型分割方法。利用第三章中提出的高斯曲率閾值估計方法，建立了復雜曲面模型特征描述和對應(yīng)的高斯曲率閾值之間的回歸模型，進行待分割模型的高斯曲率閾值估計，實現(xiàn)了三維模型的準確分割，減少了人工交互設(shè)置高斯曲率閾值