[发明专利]一种基于蚁群优化的网格分割方法

说明书

本发明属于图形学和几何数字处理技术领域，具体涉及一种基于蚁群优化的网格分割方法。一种基于蚁群优化的网格分割方法，包括以下步骤：(1)输入待分割三维网格数据和参数，然后进入步骤(2)；(2)计算网格属性，然后进入步骤(3)；(3)数据预处理，然后进入步骤(4)；(4)在待分割网格中选择种子点，然后进入步骤(5)；(5)进行网格标签初始化，然后进入步骤(6)；(6)进行蚁群优化迭代直到满足迭代标准，然后进入步骤(7)；(7)区域合并，然后进入步骤(8)；(8)输出分割结果。

技术领域

本发明属于图形学和几何数字处理技术领域，具体涉及一种基于蚁群优化的网格分割方法。

背景技术

近十多年来,三维数据捕获设备及其技术的进步推动了计算机视觉、医学成像、基于图像建模等技术向纵深发展,产生了许多复杂的三维模型,使得基于网格模型(特别是三角网格模型)的几何处理等相关技术成为近年来计算机辅助设计(CAD)和图形学的重要研究热点。

原始三维网格模型缺少足够的结构特征和语义信息,对原始三维网格模型的理解成为许多几何处理问题亟待解决的重要问题,网格分割通过按照一定的分割准则将原始三维模型分解为不同的部件或曲面片,有助于相关几何处理问题(如曲面压缩、网格重构、参数化、纹理映射、模型检索)的有效解决,实际上正是来自纹理映射、参数化、网格动画、网格变形等问题的需求使网格分割作为一个重要的几何处理问题开始引起人们的重视。

在计算机视觉中,将模型分割为不同部分,有助于进行模型的特征识别,例如将人脸三维模型通过分割识别出脸颊、鼻子、眼睛等。在网格参数化和纹理映射中,通过将模型分割为一系列平坦的区域,可以减少参数化和纹理映射的扭曲变形,提高参数化和纹理映射的质量。

在现有技术中，有些方法需要人工交互，有些需要方法较为复杂，有些方法需要复杂的数据结构。本发明方法较为简单，不需要复杂的数据结构，可以全自动化，而且由于蚁群算法的特点，可以进行并行处理。

蚁群优化(ant colony optimization,ACO)的灵感来源于蚂蚁搜索食物的过程。蚂蚁们利用在走过的路径上遗留和探测外激素(Stigmergy)这种间接的正反馈机制来寻找巢穴到食物源的最短路径。这样，一个普通的组合优化问题就被转变成了一个约束最短路径问题。蚁群优化最初是为研究旅行商问题(TSP)而被提出的，后来被使用到许多工程问题上。

发明内容

发明目的：本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种基于蚁群优化的网格分割方法。在本发明中，将待分割网格的每个网格视为一个蚂蚁，通过蚁群优化迭代将每个网格的标签不断更新。初始化时，所有的网格先赋予一个背景标签。然后随机产生种子点，每一个种子点赋予一个不同于背景标签且唯一的标签，而对于每一个种子点，其邻域周围的网格点赋予和种子点一样的标签。随着蚁群优化的迭代，种子点的标签向外扩散，而标签更新是在满足分割标准的条件下通过蚁群优化的更新机制进行，直到满足迭代标准。蚁群优化完成后，进行区域合并，将较小的区域合并成较大区域，最终完成分割。

技术方案：一种基于蚁群优化的网格分割方法，包括以下步骤：

(1)输入待分割三维网格数据和参数，然后进入步骤(2)；

(2)计算网格属性，然后进入步骤(3)；

(3)数据预处理，然后进入步骤(4)；

(4)在待分割网格中选择种子点，然后进入步骤(5)；

(5)进行网格标签初始化，然后进入步骤(6)；

(6)进行蚁群优化迭代直到满足迭代标准，然后进入步骤(7)；

(7)区域合并，然后进入步骤(8)；

(8)输出分割结果。