多特征融合的网格模型简化方法

计算机应用 ›› 2013, Vol. 33 ›› Issue (11): 3167-3171.

多特征融合的网格模型简化方法

王海玲¹,²,王建³,印桂生⁴,乔付²,周波²

1. 哈尔滨工程大学计算机科学与技术学院，哈尔滨 150001;
2. 黑龙江科技大学计算机与信息工程学院，哈尔滨 150027
3. 哈尔滨工程大学网络信息中心，哈尔滨 150001
4. College of Computer Science and Technology, Harbin Engineering University, Harbin Heilongjiang 150001, China;

收稿日期:2013-05-08 修回日期:2013-07-17 发布日期:2013-12-04 出版日期:2013-11-01
通讯作者: 王海玲
作者简介:王海玲（1980-），女，河北邯郸人，博士研究生，CCF会员，主要研究方向：虚拟现实、计算机图形学；王建（1980-）, 男，安徽砀山人，工程师，硕士，主要研究方向：并行计算、计算机网络；印桂生（1964-），男，江苏泰兴人，教授，博士生导师，博士，CCF会员，主要研究方向：数据库和知识库应用系统、虚拟现实。
基金资助:
国家自然科学基金资助项目;黑龙江省自然科学基金资助项目

Multi-feature fusion method for mesh simplification

WANG Hailing¹,²,WANG Jian³,YIN Guisheng²,FU Qiao¹,ZHOU Bo¹

1. College of Computer and Information Engineering, Heilongjiang University of Science and Technology, Harbin Heilongjiang 150027, China;
2. College of Computer Science and Technology, Harbin Engineering University, Harbin Heilongjiang 150001, China;
3. Centre of Network Information, Harbin Engineering University, Harbin Heilongjiang 150001, China

Received:2013-05-08 Revised:2013-07-17 Online:2013-12-04 Published:2013-11-01
Contact: WANG Hailing

摘要/Abstract

摘要： 针对三维网格模型简化过程中的过简化和失真问题，提出一种利用多特征融合的度量方法引导三维网格模型的简化过程。该方法通过分析模型简化的误差度量准则和模型的特征信息，首先利用法向信息加权的二次误差方法度量模型的几何特征信息；然后采用三角形边长比信息加权的挠率度量模型的视觉特征信息；最后融合几何特征信息和视觉特征信息作为模型简化的多特征信息引导模型简化。实验结果表明，该方法可有效保证算法的计算效率，保持简化后模型的形态特征，解决了模型的过简化和失真问题。

关键词: 模型简化, 误差度量, 特征分析, 多特征融合

Abstract: Most mesh simplification algorithms for three-dimensional (3D) may cause oversimplification and distortion in the processing of simplification. To address this problem, an efficient multi-feature fusion method for mesh simplification was proposed. The proposed method measured geometric feature information based on quadric error metric weighted by normal information firstly, then used torsion weighted by side ratio of triangle to measure visual feature information, at last proposed a multi-feature fusion metric to guide model simplification. The experimental results have been compared on execution time and visual quality with other edge contraction algorithms; the results show that the proposed method can guarantee computational efficiency, improve visual shape feature, and reduce oversimplification and distortion for simplified model.

Key words: mesh simplification, error metric, feature analysis, multi-feature fusion

中图分类号:

TP391.412

王海玲王建印桂生乔付周波. 多特征融合的网格模型简化方法[J]. 计算机应用, 2013, 33(11): 3167-3171.

WANG Hailing WANG Jian YIN Guisheng FU Qiao ZHOU Bo. Multi-feature fusion method for mesh simplification[J]. Journal of Computer Applications, 2013, 33(11): 3167-3171.

[1]	姚梓豪, 栗远明, 马自强, 李扬, 魏良根. 基于机器学习的多目标缓存侧信道攻击检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1862-1871.
[2]	李鑫, 孟乔, 皇甫俊逸, 孟令辰. 基于分离式标签协同学习的YOLOv5多属性分类[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1619-1628.
[3]	刘文博, 于连飞, 谢冬梅, 蔡闯, 曲志坚, 任崇广. 基于多尺度特征融合的时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3435-3441.
[4]	尚绍法, 蒋林, 李远成, 朱筠. 异构平台下卷积神经网络推理模型自适应划分和调度方法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2828-2835.
[5]	郭可心, 张宇翔. 基于多层次空间注意力的图文评论情感分析方法[J]. 计算机应用, 2021, 41(10): 2835-2841.
[6]	杨博, 蔺素珍, 禄晓飞, 李大威, 秦品乐, 左健宏. 基于多特征融合与分层数据关联的空中红外多目标跟踪方法[J]. 计算机应用, 2020, 40(10): 3075-3080.
[7]	周莹, 王红, 任衍具, 胡晓红. 多特征融合的抑郁倾向识别方法[J]. 计算机应用, 2019, 39(1): 168-175.
[8]	郭键. 基于子矩阵波束形成输出直流响应加权的目标检测方法[J]. 计算机应用, 2017, 37(9): 2728-2734.
[9]	宋超, 徐新, 桂容, 谢欣芳, 徐丰. 基于多层支持向量机的极化合成孔径雷达特征分析与分类[J]. 计算机应用, 2017, 37(1): 244-250.
[10]	杨硕, 张波, 张志杰. 多特征融合的车牌定位算法[J]. 计算机应用, 2016, 36(6): 1730-1734.
[11]	赵谦周勇曾召华侯媛彬刘树林. 基于多准则特征融合的自适应跟踪算法[J]. 计算机应用, 2013, 33(09): 2584-2587.
[12]	李睿刘昌旭年福忠. 基于自适应背景的多特征融合目标跟踪[J]. 计算机应用, 2013, 33(03): 651-655.
[13]	李志威刘明军刘腾澳赵秀阳. 基于非线性有限元的可变形模型的变形方法[J]. 计算机应用, 2013, 33(03): 684-687.
[14]	蒲浩李伟赵海峰. 网络环境下道路三维整体建模与简化方法[J]. 计算机应用, 2013, 33(02): 525-529.
[15]	韩佳肖如良胡耀唐涛房丽娜. 在线社交网络中信息传播模式的特征分析[J]. 计算机应用, 2013, 33(01): 105-107.