基于超像素紋理分割的三維立體模型重構(gòu)設(shè)計

茹金平+劉海姣

摘 要：在計算機平面設(shè)計中，需要利用三維立體模型進行視覺重構(gòu)，以提高平面設(shè)計的立體美化感。傳統(tǒng)方法采用多維透視變換平滑方法進行視覺重構(gòu)，在三維立體模型受到散點噪聲干擾下，重構(gòu)效果不好。提出一種基于超像素紋理分割的三維立體模型重構(gòu)算法，首先對三維立體模型進行圖像視覺特征采集和降噪處理，對降噪濾波輸出的圖像進行不規(guī)則三角網(wǎng)構(gòu)建，并在構(gòu)建的三角網(wǎng)中進行超像素紋理分割，通過紋理特征提取結(jié)果進行視覺重構(gòu)，實現(xiàn)算法改進。仿真結(jié)果表明，采用該方法進行三維立體模型重構(gòu)的特征分辨率較高，視覺信息的美化效果好，信息呈現(xiàn)較為準確，誤差率低，在計算機平面設(shè)計中展示了較好的應(yīng)用性能。

關(guān)鍵詞關(guān)鍵詞：超像素；紋理分割；三維模型；重構(gòu)

DOIDOI：10.11907/rjdk.161646

中圖分類號：TP317.4

文獻標識碼：A 文章編號：1672-7800（2016）008-0180-03

0 引言

隨著計算機圖像處理技術(shù)的發(fā)展，圖像處理技術(shù)廣泛應(yīng)用于計算機平面設(shè)計和三維重構(gòu)中。傳統(tǒng)方法中，對三維立體模型的視覺重構(gòu)方法有不規(guī)則三角網(wǎng)法、GPU渲染法和線性最短路徑法等[1，2]，并在視覺特征提取和圖像分析方面取得了一定研究成果。其中，文獻[3]提出一種基于信息子空間聚類分析的三維立體模型視覺重構(gòu)方法，并應(yīng)用于飛行器設(shè)計和制造中，采用三角網(wǎng)快速配準方法對三維立體模型中的亮點和紋理信息進行渲染和子空間聚類重構(gòu)，提高了視覺辨識能力，提高了飛行器設(shè)計的精準性，但是該方法計算開銷過大，三維重構(gòu)的實時性不好[4]；文獻[5]采用多維透視變換平滑方法進行視覺重構(gòu)，在三維立體模型受到散點噪聲干擾下，重構(gòu)效果不好。針對上述問題，本文提出一種基于超像素紋理分割的三維立體模型重構(gòu)算法，首先進行三維立體模型的圖像視覺特征采集和降噪處理，對降噪濾波輸出的圖像進行不規(guī)則三角網(wǎng)構(gòu)建，并在構(gòu)建的三角網(wǎng)中進行超像素紋理分割，通過紋理特征提取結(jié)果進行視覺重構(gòu)，實現(xiàn)算法改進。最后通過仿真實驗進行了性能測試，展示了較好的應(yīng)用性能。

1 三維立體模型圖像視覺特征采集與降噪處理

1.1 問題描述與三維立體模型圖像視覺特征采集

為了提高三維立體模型的計算機平面設(shè)計能力，進行三維立體模型的計算機視覺特征采集和識別。根據(jù)對三維立體模型體數(shù)據(jù)的解析，能夠?qū)⑷S立體模型的裝配體和部件數(shù)據(jù)總結(jié)成5種類型，分別為：三維立體模型裝配體整體數(shù)據(jù)、三維立體模型裝配體中每一個構(gòu)件內(nèi)部數(shù)據(jù)和構(gòu)件與外部的聯(lián)系數(shù)據(jù)、三維立體模型子裝配體內(nèi)部數(shù)據(jù)以及三維立體模型裝配體間的聯(lián)系數(shù)據(jù)。根據(jù)上述分析，三維立體模型重構(gòu)數(shù)據(jù)模型的基本要求主要有以下幾點：

（1）完整性。為實現(xiàn)三維立體模型系統(tǒng)對不同數(shù)據(jù)的要求，虛擬三維立體數(shù)據(jù)模型包括很多完整數(shù)據(jù)，例如：三維零件基本數(shù)據(jù)、裝配工藝數(shù)據(jù)、三維立體模型裝配關(guān)系數(shù)據(jù)、裝配結(jié)構(gòu)數(shù)據(jù)和零件幾何數(shù)據(jù)等。

（2）集成性。虛擬三維立體模型數(shù)據(jù)可以集成CAD系統(tǒng)導(dǎo)入的模型數(shù)據(jù)、計算機平面設(shè)計和裝配中所產(chǎn)生的數(shù)據(jù)和部分補充數(shù)據(jù)于同一個模型。

（3）高效性。三維立體模型的組成需要清晰、合理，虛擬三維立體數(shù)據(jù)模型的實現(xiàn)需要高效率。

根據(jù)上文解析研究的層次模型與關(guān)系模型構(gòu)建基于層次結(jié)構(gòu)的三維立體混合裝配數(shù)據(jù)模型，進行三維重構(gòu)。采用三維立體視覺圖像重構(gòu)的網(wǎng)格分析方法，得到三維立體模型的圖像視覺特征采集過程如圖1所示。

在圖1所示的圖像視覺特征采集中，三維立體模型混合裝配數(shù)據(jù)的每層依據(jù)所含內(nèi)容的不同分別有各種差異的表達式。設(shè)三維立體模型圖像信號源D（a，t）為追蹤編碼的目標，源編碼在指定傳輸比特率為Q時，使編碼方法f（D）追蹤圖像編碼在特定規(guī)則下的失真最小，即：

其中，F(xiàn)min為三維立體模型的最小編碼插值數(shù)據(jù)。假設(shè){xP}是一個三維立體模型視覺圖像的平穩(wěn)編碼序列，具有零均值和方差，p為時間，其預(yù)測公式為：

其中，ωw是預(yù)測追蹤器系數(shù)。對立體模型的三維建模中，參數(shù)體系設(shè)計是關(guān)鍵，最小化預(yù)測追蹤誤差進行參數(shù)體系構(gòu)建，即：

1.2 降噪處理

在采集的三維立體模型視覺圖像中，由于受到設(shè)備和介質(zhì)等干擾因素影響，產(chǎn)生了噪聲，需要對采集的三維立體模型視覺圖像進行小波降噪處理。利用三維立體模型視覺圖像的矢量裁剪類特征，進行小波重構(gòu)，表達式為：

2 超像素紋理分割及重構(gòu)算法改進實現(xiàn)

在上述進行了三維立體模型視覺圖像特征采集和降噪處理的基礎(chǔ)上，進行超像素紋理分割，實現(xiàn)視覺重構(gòu)。傳統(tǒng)方法采用多維透視變換平滑方法進行視覺重構(gòu)，在三維立體模型受到散點噪聲干擾下，重構(gòu)效果不好。提出一種基于超像素紋理分割的三維立體模型重構(gòu)算法，在構(gòu)建的三角網(wǎng)中進行超像素紋理分割，通過紋理特征提取結(jié)果進行視覺重構(gòu)，實現(xiàn)算法改進。

在尺度空間內(nèi)采用三角網(wǎng)約束曲面重構(gòu)方案對三維立體模型視覺圖像進行超像素紋理分割，分割的像素信息參量為：

其中，Ix表示像素點進行隨機點序列排序后的水平位移特征值，Iy表示圖像重構(gòu)的超像素特征值。計算三維立體模型視覺圖像重構(gòu)區(qū)域的輪廓運動幅值為：

其中，θ為三維立體模型視覺圖像的超像素分割區(qū)域進行旋轉(zhuǎn)位移過程中左右旋轉(zhuǎn)的角度，tx、ty分別表示調(diào)整后的像素值對應(yīng)的二維坐標。設(shè)定用ni來表示三維立體模型視覺圖像的邊緣輪廓區(qū)域灰度i的階數(shù)，圖像經(jīng)過歸一化分割，得到計算機視覺平面區(qū)域的紋理像素特征，紋理像素特征的旋轉(zhuǎn)不變和尺度不變特征分別記為Int（C1）或Int（C2）。通過上述處理，采用Harris角點檢測，可以求得各個紋理信息特征參數(shù)，表示為：

其中，η表示網(wǎng)格模型下三維空間的經(jīng)度角，表示圖像區(qū)域像素元素。在圖像的邊緣輪廓中，計算像素點的二階矩，提高三維立體模型視覺圖像的檢測能力。在對三維立體模型視覺圖像進行邊緣輪廓特征提取后，為了降低邊緣檢測的區(qū)域間差異值，對兩幅圖像進行強度疊加，考慮G→P向量逆加權(quán)f（gi），得到輸出的重構(gòu)紋理信息網(wǎng)格分布為：

通過上述算法改進，提高了三維立體圖像的重構(gòu)和平面設(shè)計能力。

3 仿真分析

為了測試本文算法在實現(xiàn)三維立體圖像的超像素紋理分割和視覺重構(gòu)中的性能，進行仿真實驗分析。在Interface Overallcontrol目錄下生成Linux內(nèi)核映像文件進行實驗配置，程序配置中采用個人PC機搭建硬件平臺，采用Matlab 7進行數(shù)學(xué)仿真。首先進行視覺信息采集，采樣精度為fs=10*f0Hz=10KHz，視覺特征采集的樣本長度為1 024，超像素信息特征分割的帶寬為B=1 000Hz。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行三維重構(gòu)。以球體和三菱柱為例，得到重構(gòu)結(jié)果如圖2所示。

由圖2可見，采用本文方法進行三維立體模型重構(gòu)的視覺效果較好。為了定量分析性能，采用本文方法和傳統(tǒng)方法，以三棱柱的重構(gòu)誤差率為測試指標，得到仿真結(jié)果如圖3所示，表明采用該方法進行圖形重構(gòu)的誤差率較低。

4 結(jié)語

本文提出一種基于超像素紋理分割的三維立體模型重構(gòu)算法，首先進行三維立體模型的圖像視覺特征采集和降噪處理，對降噪濾波輸出的圖像進行不規(guī)則三角網(wǎng)構(gòu)建，并在構(gòu)建的三角網(wǎng)中進行超像素紋理分割，通過紋理特征提取結(jié)果進行視覺重構(gòu)。研究表明，采用該方法進行三維立體模型重構(gòu)的特征分辨率較高，視覺信息的美化效果好，信息呈現(xiàn)比較準確，展示了較好的應(yīng)用性能。

參考文獻：

[1]彭小江，張家樹.基于特征匹配和校驗的魯棒實時電子穩(wěn)像[J].光子學(xué)報，2011，40（9）：1442-1446.

[2]任少盟，魏振忠，張廣軍.基于擴展Kalman預(yù)測模型的雙目立體視覺圖像特征點跟蹤方法[J].電子測量技術(shù)，2012，35（1）：71-75，84.

[3]PATCHARAMANEEPAKRON P，ARMOUR S，DOUFEXI A.Coordinated beamforming schemes based on modified signal-to-leakage-plus-noise ratio precoding designs[J].IET Communications，2015，9（4）：558-567.

[4]郭聰，王守尊.基于Unity3D的飛行可視化仿真系統(tǒng)設(shè)計[J].電子設(shè)計工程，2016（5）：47-50.

[5]呂曉琪，李娜，張寶華，等.基于體素相似性的三維多模腦圖像配準研究[J].中國醫(yī)學(xué)影像學(xué)雜志，2013，21（2）：146-151.

（責任編輯：黃 ?。?