[发明专利]一种基于三维模型几何信息的纹理图像压缩方法

权利要求书

1.一种基于三维模型几何信息的纹理图像压缩方法，其特征在于：所述方法利用网格的几何信息确定纹理图像的重要区域，实现纹理图像感兴趣区域的优先压缩和传输；所述方法首先对原始图形进行预处理，确定感兴趣的区域ROI，以生成ROI区域模块；然后利用ROI区域模版对预处理后的图形作小波变换，对ROI对应的小波变换系数进行提升或降低背景系数，接下来对感兴趣形状和位置信息编码传输；其中，

对原始图形进行预处理包括：用分辨率方法处理三维图形，将模型分为粗糙的基网格和加入不同程度细节信息的多个层次，为网格建立四叉树结构，方便提取三角网格在不同尺度下的几何信息；

确定感兴趣的区域ROI，以生成ROI区域模块具体为：利用模型网格数据求取纹理图像上的人眼感兴趣区域，根据纹理的视觉表现形式，提取了代表三维模型多分辨率重网格化后表面细节信息的三维特征点及其在纹理空间上的映射点作为纹理特征点；根据图像空间的连续性，利用K-means聚类算法对图像中的特征点进行了类聚合，取得了纹理图像的感兴趣区域并提高了感兴趣区域和背景的区分精度。

2.根据权利要求1所述的方法，其特征在于：所述模型网格数据采用Igor Guskov的基于多分支的半正则重网格化处理得到。

3.根据权利要求1所述的方法，其特征在于：在压缩时去除贴图前纹理图像中的背景像素。

4.根据权利要求1所述的方法，其特征在于：所述K-means聚类算法对图像中的特征点进行了类聚合具体为：首先将纹理的特征点集合看作未聚类的初始点集，随机选取n个种子点作为待聚合的类的中心点；然后计算每个特征点到聚类中心的距离，并聚类到离该点最近的聚类中去；随后计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心；最后重复计算每个点到聚类中心的距离，并归类到离该点最近的类中去，直到算法的结果收敛，记录完整包围一个类所有特征点的矩形区域。

5.根据权利要求1所述的方法，其特征在于：所述对ROI对应的小波变换系数进行提升或降低背景系数具体为：提取的纹理ROI区域进行六层金字塔迭代运算后生成二值化的小波系数模板，需要保留的小波系数包括高频带中感兴趣区域的小波系数以及低频带的全部系数；采用最大位移法提升或降低处理的小波系数。