[发明专利]基于局部区域特征的三维网格模型自适应简化方法

权利要求书

1.基于局部区域特征的三维网格模型自适应简化方法，其特征在于，包括以下步骤：

1)从三维网格模型数据集获得局部区域数据集

在三维网格模型数据集的基础上，利用网格模型的拓扑结构，从每一个三维网格模型上按照设定的规则提取若干个局部区域，通过对这些局部区域计算构成该局部区域的网格顶点的曲率、网格面之间的二面角的特征，这些特征即构成一个局部区域的特征向量，然后计算简化前后构成局部区域的网格面的个数变化，获得局部区域的简化率类别标签，由特征向量和每个特征向量对应的简化率类别标签即构造出输入网络训练的局部区域数据集；

对于一个三维网格模型，利用网格模型的拓扑结构，以部分网格顶点为种子点，采用广度优先遍历的方式，获得种子点V的邻域顶点以及这些顶点组成的面，将这些顶点和面定义为一个局部区域，当该局部区域包含的网格顶点达到规定数目或者迭代次数达到规定次数时，即停止迭代，一个局部区域提取完成，然后再选择距离组成该局部区域的点集最远的网格顶点作为下一个种子点继续提取下一个局部区域，以此类推，直至所有网格顶点都有所属的局部区域，即完成全部局部区域提取；

2)训练和应用MLP分类网络

利用前一步获得的局部区域数据集，采用监督学习的方式，训练一个用于预测局部区域可简化程度的MLP分类网络，该MLP分类网络的输入是局部区域数据集的特征向量和简化率类别标签，当MLP分类网络训练完成后，对于一个输入的局部区域特征向量，MLP分类网络输出一个预测的简化率类别标签，这个简化率类别标签即用于衡量该特征向量对应的局部区域的可简化程度；

3)计算顶点法线偏差阈值控制局部区域的自适应简化

自适应意味着，对于具有不同特征向量和简化率类别标签的局部区域，即具有不同可简化程度的局部区域，根据前一步MLP分类网络预测出的可简化程度，设置不同的简化控制条件，以此达到自适应简化的目标，而顶点法线偏差就是简化的控制条件，顶点法线偏差越大，表示该顶点所在区域越不平坦，属于特征丰富的区域，对于简化算法而言，顶点法线偏差阈值的设定会影响网格简化的效果，顶点法线偏差阈值越小，意味着很多顶点法线偏差大的细节区域不会被简化，最终三维网格模型被简化的地方会相对变少，而顶点法线偏差阈值越大则表明很多顶点法线偏差大的细节区域也会被简化，最终三维网格模型被简化的地方会更多，因此，通过定义MLP分类网络对局部区域的分类结果和顶点法线偏差阈值间的函数关系，利用MLP分类网络的分类结果设定局部区域的顶点法线偏差阈值，实现对于不同可简化程度的局部区域设置自适应的顶点法线偏差阈值，进而自适应地控制简化过程。