摘要：针对三维网格模型分割质量提升问题,提出了感知几何的图注意力网络。首先,定义了感知几何的图注意力系数,利用节点之间的边特征扩展由网络学习得到的注意力系数,引入与节点局部几何信息相关的注意力系数,更好地反映节点之间的相似性。然后,通过调整网络架构,将三维网格模型的几何特征与标签信息共同作为图注意力网络的输入,使标签信息参与网络训练和验证,并通过残差形式的线性连接实现网络的更稳定输出。大量实验结果表明,本文算法能够获得精确的分割边界,其在PSB数据集上的分割准确率较现有经典算法提升约2个百分点,也取得了更好的兰德指数。同时,通过消融实验验证了算法的合理性。

摘要：针对带纹理模型化简过程容易造成细节丢失的问题,提出一种基于网格分割的化简方法.在预处理过程中,根据模型的纹理、法线等外观属性将几何模型划分为若干子网格,使子网格之间的相关性降低,并在子网格内部执行边折叠化简操作,最后将化简后的结果合并并进行补缝处理,形成完整的化简模型.由于采用了外观属性信息对模型的高频部分加以分离,减少了细节区域的信息丢失,使得在保持模型轮廓的同时较好地保持了模型的几何细节和外观属性.实验结果表明,文中方法是有效的.

摘要：网格分割在网格参数化、纹理atlas图等几何处理问题中有着重要的应用.提出一种基于顶点或面凸凹信号的简单高效的网格分割算法.基于均匀支撑半径的顶点凸凹信号分析将顶点分为平坦点、凸点、凹点和特征点,先从平坦点进行平坦区域扩展,再从剩下的凸凹点出发进行凸凹区域扩展,最后根据顶点和边界边的光滑度进行区域竞争扩展;对于未能完全分割的简化程度高的模型,基于面的凸凹信号采用类似的过程进一步完成最后的分割.该算法可以快速地进行网格分割并能较好地保持网格特征,特别适用于CAD模型的分割.

摘要：为了解决基于特征的CAD模型重建中三角网格模型分割难以体现意义的问题,构建基本造型特征和加工特征组成的知识库来进行有意义的分割.首先以二次曲面的拟合误差和曲率作为分割准则,逐次地分割出对应曲面类型的子网格,从曲面这一基本造型元素的角度初步体现分割的意义.然后分别构建知识库中特征和初步分割的曲面集合的以面为节点的属性邻接图.最后以知识库中的特征的属性邻接图作为输入,匹配出模型中含有的对应特征类型的子网格,从工程语义的角度进一步体现分割的意义.实验结果表明该算法获得了有意义的分割结果,并且具有较高的时间效率.

摘要：针对现有的三维网格模型分割方法存在过分割或欠分割、分割线锯齿化明显、人工干预多等问题,提出一种基于能量优化和区分度的三维网格模型分割方法.首先提出能量和区分度这2种鲁棒性更强的特征,用于改善分割边界的精度;其次根据能量、区分度及凹凸性寻找满足条件的分割点,根据点的邻接关系得到分割点集,并基于腐蚀算法细化分割点集以得到分割线;最后结合图的广度优先遍历算法及最小能量原则构造出闭合的分割线.此外,为了提高分割线位置的精度及改善锯齿化明显的问题,采用Dijkstra算法思想进行分割线的优化,得到的分割边界更符合人类视觉.对普林斯顿数据集进行实验,并采用普林斯顿基准同7种一般的分割方法进行定量比较,其中最重要的评估指标兰德指数比7种方法平均高0.21,表明该方法可以得到更高精度且更加符合人类视觉的分割结果.

摘要：为了根据网格模型上的尖锐几何特征对三角网格曲面进行合理分片,提出一种新的基于张量投票(tensorvoting)理论的三角网格分割算法.该算法将输入网格模型上所有的三角面片聚类成由用户指定数目的若干个区域,使得区域内部三角面片上点的尖锐几何特征尽可能接近.根据网格模型顶点上基于法向的张量投票矩阵的特征值分布与顶点尖锐几何特征的对应关系,算法将网格分割转化为能量最小化问题,并适当简化能量函数的形式,用快速聚类算法求解.通过引入启发式约束,算法较好地防止了分割区域的分离.实验表明:与已有算法相比,该算法具有较快的速度,同时能够较好地分割网格曲面上的尖锐几何特征区域.

摘要：网格分割是三维几何分析的重要问题之一,它不仅在传统的建模、渲染等方面起到关键作用,同时也是高层次几何分析的基础性工作.文中提出一种基于多核学习(multiple kernel learning)的快速网格分割算法.多核学习使用多个核函数的组合代替单一核函数,能够解决网格分割特征多样性和异构性的问题.给定一组同类别带分割标签的网格模型,算法首先对网格进行过分割处理,将三角面片转化为超面片(super-face),然后使用多核超限学习机训练分割分类器,最后用该分割分类器对未分割的网格进行分割.过分割处理能够减少训练样本数量,进而提高计算效率;多核学习使分类器能够有效地发现数据间的关系,使其具有更强大的学习能力.实验表明,文中算法不仅计算精度高,并且能够满足网格分割"实时学习"的计算要求.

摘要：为了构建有意义曲面分片,提出一种基于Delaunay四面体剖分的网格分割算法.首先根据Delaunay四面体剖分得到多边形网格内部的四面体,求出每个面上反映网格内部信息的Delaunay体距离;然后对Delaunay体距离进行平滑处理,再对网格上面的Delaunay体距离进行聚类,用高斯混合模型对Delaunay体距离作柱状图的拟合,利用期望最大化算法来快速求得拟合结果;最后结合图切分技术,同时考虑聚类的结果、分割区域的边界平滑和视觉认知中的最小规则,得到最终的网格分割结果.实验结果表明,采用文中算法可以有效地实现有意义的网格分割.

摘要：提出一种新的、基于面片错分率和面积错分率的三维网格模型分割定量评价准则.定量评价是精确衡量分割效果、针对特定应用选择最有效的分割算法、以及指导新算法研究的重要基础.基于分割质量显著的数据库进行的三维分割评价准则给出的定量评价指标属于模糊的、统计性质的评价,在评价特定类型的分割时,该评价指标的可信较低、精确性较差.本文基于普林斯顿大学数据库中7类385份高质量的手工分割结果,以及7种自动分割算法中分割数目与手工分割数目相近的部分高质量数据,基于面片错分和面积错分两种准则,对7种自动分割算法进行定量了评价.实验证明本文提出的两种错分评价准则具有较高的精度和可信性.

摘要：针对目前网格模型块分割算法综合效果不理想、人工干预多等问题,提出一种基于凹凸信号的最小值边界检测的三角网格模型分割算法.首先通过全局控制顶点的Laplace光顺操作对网格模型进行光顺去噪;然后通过标准化和归一化的凹度信息发现符合人眼视觉的最小值规则的凹特征点;最后结合区域中心线提取算法以及扇形探射线算法构造出闭合的分割线,并用三维主动轮廓模型方法进行优化,通过分割线将模型分割为有意义的分块.实例结果表明,该算法可以快速有效地分割模型,得到有意义的分割结果.