李 康， 李 靜， 孫家澤， 耿國(guó)華， 馬忠玲， 劉 磊

(西北大學(xué)信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710127)

一種改進(jìn)的薄壁文物碎片特征輪廓線(xiàn)提取技術(shù)

李 康， 李 靜， 孫家澤， 耿國(guó)華， 馬忠玲， 劉 磊

(西北大學(xué)信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710127)

針對(duì)使用一般的邊界提取方法提取三維網(wǎng)格模型特征輪廓線(xiàn)不完整問(wèn)題，提出一種新的薄壁文物碎片特征輪廓線(xiàn)提取的綜合算法。區(qū)別了特征輪廓線(xiàn)和輪廓線(xiàn)的概念，引入主輪廓線(xiàn)和次輪廓線(xiàn)以及二級(jí)鄰接生長(zhǎng)曲面的概念。主輪廓線(xiàn)的提取使用改進(jìn)的基于邊重?cái)?shù)判斷的提取方法；提出次輪廓線(xiàn)的一種新的提取方法：首先對(duì)三維網(wǎng)格曲面分割并識(shí)別斷裂面，然后對(duì)斷裂面的二級(jí)鄰接生長(zhǎng)曲面進(jìn)行曲面掃描，提取次輪廓線(xiàn)；最后從主輪廓線(xiàn)和次輪廓線(xiàn)中得到三維模型的特征輪廓線(xiàn)。使用該算法準(zhǔn)確地提取了文物碎片的特征輪廓線(xiàn)，實(shí)驗(yàn)結(jié)果表明此方法穩(wěn)定且準(zhǔn)確。

三維薄壁文物模型；主次輪廓線(xiàn)；曲面分割；斷裂面二級(jí)鄰接生長(zhǎng)；特征輪廓線(xiàn)

文物碎片三維模型的特征提取是計(jì)算機(jī)輔助文物虛擬復(fù)原研究中的關(guān)鍵環(huán)節(jié)，其提取準(zhǔn)確性直接決定了碎片匹配效果。對(duì)于薄壁類(lèi)的碎片來(lái)說(shuō)，特征輪廓線(xiàn)是其最重要的特征之一，是碎片進(jìn)行形狀互補(bǔ)匹配復(fù)原[1-2]的重要依據(jù)，文物碎片三維模型的特征輪廓線(xiàn)精確提取方法也成為碎片拼接關(guān)鍵技術(shù)之一。

碎片模型的特征輪廓線(xiàn)不同于輪廓線(xiàn)。碎片模型的特征輪廓線(xiàn)是指文物碎片的外表面與斷裂面的交線(xiàn)，輪廓線(xiàn)是指模型的曲面邊界線(xiàn)(本文稱(chēng)其為主輪廓線(xiàn))，如圖1所示。模型曲面邊界不能精確的表示文物碎片模型的邊界特征，這樣就不能簡(jiǎn)單地提取主輪廓線(xiàn)作為模型的特征輪廓線(xiàn)進(jìn)行匹配，而應(yīng)該結(jié)合斷裂面和外表面的交線(xiàn)(次輪廓線(xiàn))共同確定三維模型特征輪廓線(xiàn)。

圖1 采集到部分?jǐn)嗔衙娴乃槠Ｐ?

吳亞?wèn)|和劉玉樹(shù)[3]提出了兩種新的抽取三維模型輪廓線(xiàn)算法，先利用輪廓線(xiàn)的局部極值特性來(lái)獲得部分輪廓邊，然后利用輪廓線(xiàn)的連通性，通過(guò)簡(jiǎn)單的比較運(yùn)算，即可獲得三維模型的外部輪廓線(xiàn)。Decarlo等[4]使用基于視角的特征線(xiàn)提取方法，提取三維模型形狀的細(xì)節(jié)特征，但該算法只能找到可見(jiàn)的外凸區(qū)域內(nèi)的主觀(guān)輪廓線(xiàn)。還有很多提取模型輪廓線(xiàn)的優(yōu)秀算法，但都只是提取了模型的邊界線(xiàn)，即主輪廓線(xiàn)，而非次輪廓線(xiàn)，而本文所要提取的特征輪廓線(xiàn)是主輪廓線(xiàn)和次輪廓線(xiàn)的組合，所以上述方法提取模型的特征輪廓線(xiàn)并不完整。

樊少榮等[5]提取的特征輪廓線(xiàn)是由內(nèi)輪廓線(xiàn)和外輪廓線(xiàn)組合而成，本文借鑒這一思路展開(kāi)研究，提出了一種新的提取三維模型特征輪廓線(xiàn)的算法。將文獻(xiàn)[5]的內(nèi)外輪廓線(xiàn)分別重新定義為主、次輪廓線(xiàn)，因?yàn)槟Ｐ偷倪吔缇€(xiàn)是輪廓線(xiàn)的主要組成部分，也是模型的一個(gè)明顯特征，所以稱(chēng)其為主輪廓線(xiàn)更加貼切，而內(nèi)輪廓線(xiàn)是形成特征輪廓線(xiàn)的一個(gè)小部分，所以稱(chēng)其為次輪廓線(xiàn)。本文算法主要步驟如下：①改進(jìn)的基于邊重?cái)?shù)判斷的主輪廓線(xiàn)提取方法；②區(qū)域生長(zhǎng)算法對(duì)三維網(wǎng)格模型曲面分割，并用一種簡(jiǎn)化的邊界移除法合并小的區(qū)域；③識(shí)別并提取斷裂面；④用掃描曲線(xiàn)掃描斷裂面的二級(jí)鄰接生長(zhǎng)曲面，找出曲率極值點(diǎn)，得出次輪廓線(xiàn)；⑤根據(jù)所提取的主次輪廓線(xiàn)構(gòu)成三維文物模型的特征輪廓線(xiàn)。本文提取的碎片模型的特征輪廓線(xiàn)是與視角無(wú)關(guān)的空間輪廓曲線(xiàn)。

本文算法的流程圖如圖2所示。

圖2 本文算法流程圖

在主輪廓線(xiàn)提取部分，本文算法對(duì)文獻(xiàn)[5]算法進(jìn)行了改進(jìn)。采用并行搜索的思想改進(jìn)了文獻(xiàn)[5]方法，節(jié)省了時(shí)間開(kāi)銷(xiāo)。次輪廓線(xiàn)的提取部分，原文需要采集大量數(shù)據(jù)以計(jì)算出斷裂面和外表面的夾角合理閾值，以及包含次輪廓線(xiàn)的特征點(diǎn)集的兩次提取的繁瑣步驟，閾值確定的是否準(zhǔn)確直接影響輪廓線(xiàn)的提取效果的好壞。而本文算法不依賴(lài)樣本數(shù)據(jù)的先驗(yàn)知識(shí)，并且因?yàn)樘卣鼽c(diǎn)集存在于斷裂面區(qū)域，所以直接提取斷裂面，一步確定包含次輪廓線(xiàn)的特征點(diǎn)集。

1 主輪廓線(xiàn)提取

本文算法中主輪廓線(xiàn)的提取結(jié)合并行搜索的思想，對(duì)基于邊重?cái)?shù)判斷的主輪廓線(xiàn)提取算法進(jìn)行了改進(jìn)。采用兩條線(xiàn)路并行搜索的策略，以相反的方向同時(shí)尋找模型的邊界，兩條線(xiàn)路搜索出的邊界線(xiàn)共同合成模型的主輪廓線(xiàn)。邊的重?cái)?shù)N指這條邊所屬的三角形個(gè)數(shù)，N取值1或2。本文改進(jìn)后的算法主要步驟如下：

(1) 找出模型中任意一條N=1的邊，把這條邊的2個(gè)頂點(diǎn)P1和P2分別入棧S1和S2；

(2) 以2個(gè)棧的棧頂?shù)狞c(diǎn)為當(dāng)前2個(gè)起點(diǎn)，分別按照相反方向搜索模型的邊，在當(dāng)前點(diǎn)的鄰接點(diǎn)集中搜索與其構(gòu)成的邊的重?cái)?shù)為 1的點(diǎn)， 把該點(diǎn)加入當(dāng)前棧；

(3) 判斷棧S1和S2的棧頂元素是否為同一個(gè)點(diǎn)，若是，轉(zhuǎn)步驟(4)，否則轉(zhuǎn)步驟(2)；

(4) 棧S1和S2中的點(diǎn)出棧，連接形成模型的主輪廓線(xiàn)。

對(duì)于圖3(a)中的碎片模型1和2，使用本文算法提取其主輪廓線(xiàn)的結(jié)果如圖3(b)所示，本文算法和文獻(xiàn)[5]算法在提取主輪廓線(xiàn)部分的基本原理是一樣的，所以提取的結(jié)果基本一樣。文獻(xiàn)[5]算法中用來(lái)存儲(chǔ)邊的棧是沒(méi)有意義的，因?yàn)闂Ｖ兴鎯?chǔ)邊的2個(gè)點(diǎn)已經(jīng)記錄在點(diǎn)棧，而本文算法合理利用了2個(gè)棧，分別存儲(chǔ)2個(gè)方向搜索的邊界點(diǎn)，既省去了文獻(xiàn)[5]算法中冗余的空間占用，同時(shí)，并行搜索也使算法執(zhí)行時(shí)間減半，提高了算法的效率。表1是算法改進(jìn)前后的執(zhí)行時(shí)間對(duì)比。

圖3 兩個(gè)碎片模型和主輪廓線(xiàn)

表1 算法執(zhí)行時(shí)間對(duì)比

2 次輪廓線(xiàn)提取

若碎片模型中包含斷裂面，只用邊界線(xiàn)來(lái)描述輪廓線(xiàn)會(huì)給后期的匹配拼接帶來(lái)困難，所以還需要提取碎片的次輪廓線(xiàn)。

實(shí)驗(yàn)發(fā)現(xiàn)，文獻(xiàn)[5]算法存在很大的局限性，由于有的陶俑碎片表面較為復(fù)雜，很難計(jì)算斷裂面和外表面的夾角，所以采集大量數(shù)據(jù)計(jì)算出一個(gè)平均夾角值更為困難，而且計(jì)算的夾角閾值不適用于很多兵馬俑碎片，所以提取的特征輪廓線(xiàn)不準(zhǔn)確，為后期碎片拼接帶來(lái)困難。

本文提取次輪廓線(xiàn)的算法流程和所參考的方法有很大不同，因?yàn)榇屋喞€(xiàn)點(diǎn)集處于碎片斷裂面的邊緣部分，因此本文是從碎片斷裂面中提取模型的次輪廓線(xiàn)，算法主要分為以下4個(gè)步驟：①采用區(qū)域生長(zhǎng)法對(duì)三維模型進(jìn)行曲面分割；②合并小的分割曲面；③識(shí)別并提取模型斷裂面；④對(duì)斷裂面的二級(jí)鄰接生長(zhǎng)曲面進(jìn)行掃描得出內(nèi)輪廓線(xiàn)。

2.1 曲面分割并識(shí)別斷裂面

本文的次輪廓線(xiàn)需要從碎片的斷裂面提取，所以需要對(duì)碎片三維模型曲面分割，然后提取碎片的斷裂面。借鑒文獻(xiàn)[6]的網(wǎng)格模型分割方法，本文的曲面分割算法采用了一種基于曲率和法向量判斷的區(qū)域生長(zhǎng)法。因?yàn)樗槠Ｐ捅砻嫘畔?fù)雜并且存在噪聲，所以曲面過(guò)度分割是不可避免，然后借鑒文獻(xiàn)[7]中邊界移除的思想，采用一種簡(jiǎn)化的區(qū)域合并方法將相鄰塊整體融合從而對(duì)分割結(jié)果進(jìn)行優(yōu)化處理。經(jīng)過(guò)上面的分析，通過(guò)以下3個(gè)主要步驟進(jìn)行斷裂面的提取：

(1) 區(qū)域生長(zhǎng)。本文算法根據(jù)對(duì)模型三角面片的幾何屬性值的判斷，進(jìn)行區(qū)域生長(zhǎng)。計(jì)算各個(gè)三角面片的曲率值和法向量，區(qū)域生長(zhǎng)條件是欲生長(zhǎng)單元T和已生長(zhǎng)區(qū)域S的曲率差值和法向量夾角都滿(mǎn)足閾值條件。具體步驟如下：①選取模型中曲率均值最大的三角面片Ti作為種子生長(zhǎng)點(diǎn)，并將Ti加入到空的生長(zhǎng)區(qū)域Si中；②以深度優(yōu)先的搜索策略生長(zhǎng)Ti的鄰接三角面片，把滿(mǎn)足生長(zhǎng)條件的三角面片加入到已生長(zhǎng)區(qū)域Si中，直到區(qū)域Si不能再加入三角面片，該區(qū)域生長(zhǎng)結(jié)束；③選取模型中還未生長(zhǎng)且曲率極大的三角面片 Tj作為下一個(gè)種子生長(zhǎng)點(diǎn)，并加入到空的區(qū)域Sj中，按照第②步的方法生長(zhǎng)區(qū)域。重復(fù)以上步驟，最后直到所有三角面片都進(jìn)行了區(qū)域生長(zhǎng)，最終將網(wǎng)格模型分割成多個(gè)曲面。

(2) 區(qū)域合并。由于模型噪聲和表面特性的影響，過(guò)度分割問(wèn)題不可避免，經(jīng)過(guò)上面的區(qū)域生長(zhǎng)，模型曲面會(huì)被分割成過(guò)多的小區(qū)域，需要對(duì)這些區(qū)域進(jìn)行合并。每次選擇面積較小的區(qū)域判斷是否能和其相鄰區(qū)域進(jìn)行合并。首先引入移除概率pij概念，即一個(gè)區(qū)域的邊界Ei相對(duì)于另一條邊界Ej被移除的概率，Pij公式定義如下：

其中，Length(Ei)是指邊界線(xiàn)Ei的長(zhǎng)度，Avg(θi)指邊界線(xiàn)的平均二面角值。實(shí)驗(yàn)發(fā)現(xiàn)邊界的平均二面角值比長(zhǎng)度更加影響合并因素，所以取β取值為0.1。

若相鄰兩個(gè)區(qū)域的公共邊界線(xiàn)的pij在各自區(qū)域都是最大的，則其滿(mǎn)足區(qū)域合并的條件，移除這條邊界線(xiàn)，合并兩個(gè)區(qū)域，并更新合并后新的區(qū)域的信息。

以圖3(a)中的兵馬俑碎片模型2為例的實(shí)驗(yàn)，在對(duì)模型進(jìn)行區(qū)域生長(zhǎng)后，模型被分割為多個(gè)小的區(qū)域(如圖4(a))，經(jīng)過(guò)區(qū)域合并，最終形成理想的被分割后的曲面，曲面被合并成了較大且有意義的區(qū)域(如圖4(b))。從表2中的數(shù)據(jù)可以看出，使用區(qū)域合并后，在沒(méi)有改變模型三角面片數(shù)的情況下，分割的曲面?zhèn)€數(shù)從16減少到2，有效合并了由于曲面過(guò)度分割產(chǎn)生的沒(méi)有意義的分割區(qū)域。

圖4 碎片曲面分割結(jié)果

表2 曲面分割結(jié)果

(3) 識(shí)別斷裂面。斷裂面和原始面的顯著區(qū)別在于斷裂面較原始面粗糙，所以根據(jù)所分割面上所有頂點(diǎn)的法矢擾動(dòng)值[8]的大小并結(jié)合區(qū)域生長(zhǎng)得到的各個(gè)分割區(qū)域的面積值，來(lái)區(qū)分模型的斷裂面和原始面。

為了避免過(guò)分依賴(lài)閾值導(dǎo)致算法穩(wěn)定性太差的問(wèn)題，并且每個(gè)碎片模型的特征各不相同，不設(shè)定曲面法矢擾動(dòng)閾值來(lái)作為區(qū)分?jǐn)嗔衙婧驮济娴臈l件。因?yàn)閿嗔衙娴姆ㄊ笖_動(dòng)明顯大于原始面，所以根據(jù)曲面法矢擾動(dòng)值的大小對(duì)比以及曲面的面積，區(qū)分碎片的斷裂面和原始面。若曲面的法矢擾動(dòng)明顯小于其他曲面，則它為光滑的外表面，若曲面的法矢擾動(dòng)明顯大于其他曲面，并且該曲面的面積值小于相對(duì)其他曲面較小，則它為斷裂面。

表3列出了碎片的曲面法矢擾動(dòng)值和面積值，通過(guò)表中的數(shù)據(jù)可以看出曲面1為外表面，曲面2為斷裂面。

表3 識(shí)別模型斷裂面

2.2 斷裂面的二級(jí)鄰接生長(zhǎng)

因?yàn)榇屋喞€(xiàn)是外表面與斷裂面的交線(xiàn)，所以次輪廓線(xiàn)必定位于斷裂面的邊界，并且是特征值變化極值點(diǎn)。由于模型數(shù)據(jù)噪聲干擾或曲面分割階段一些不確定影響因素，提取的斷裂面邊界部分有可能數(shù)據(jù)丟失，為確保斷裂面的邊界線(xiàn)信息完整無(wú)誤，對(duì)斷裂面進(jìn)行二級(jí)鄰接生長(zhǎng)，使包含次輪廓線(xiàn)的特征點(diǎn)集位于曲面內(nèi)部，從而對(duì)曲面掃描找出特征極值點(diǎn)。

首先闡述一個(gè)概念：二階鄰接曲面生長(zhǎng)。設(shè)斷裂面的三角面片集為 TriBreak，對(duì)斷裂面的每個(gè)三角面片TriBreak[i](i=0,1,2,···,a)，找出它的鄰接三角面片，若這個(gè)鄰接三角面片沒(méi)在 TriBreak中，則將其加入到 TriBreak，從而擴(kuò)大了斷裂面區(qū)域，這稱(chēng)為一級(jí)鄰接曲面生長(zhǎng)。對(duì)一階鄰接曲面生長(zhǎng)得到的鄰接三角面片再進(jìn)行一次鄰接曲面生長(zhǎng)稱(chēng)為二級(jí)鄰接曲面生長(zhǎng)，新形成的曲面為T(mén)riBreakNew。

假設(shè)圖 5(a)是經(jīng)過(guò)曲面分割得到的斷裂曲面三角面片集TriBreak，點(diǎn)G、A、B、C連接成的線(xiàn)段是已提取的部分主輪廓線(xiàn)。對(duì)斷裂曲面進(jìn)行二級(jí)鄰接曲面生長(zhǎng)后得到圖 5(b)所示的新的網(wǎng)格曲面TriBreak New，陰影部分為新加入的三角面片，圖5(b)為斷裂面的二級(jí)生長(zhǎng)曲面。

圖5 曲面的二級(jí)鄰接生長(zhǎng)

2.3 曲面掃描提取次輪廓線(xiàn)

由于次輪廓線(xiàn)的特征點(diǎn)集存在于斷裂面的二級(jí)鄰接生長(zhǎng)曲面TriBreakNew上，所以需要分析計(jì)算曲面TriBreakNew的特征值，以找出特征點(diǎn)集。本文采用曲面掃描的方法，即用一組平行面去切割曲面TriBreakNew，通過(guò)分析掃描數(shù)據(jù)，計(jì)算這組掃描面上的曲率極值點(diǎn)，可獲得特征點(diǎn)集[9]。具體提取步驟如下：

(1) 計(jì)算曲面TriBreakNew的平均法向量a；

(2) 確定一組和a平行且互相平行的面組Sn作為掃描面；

(3) 求出掃描面組Sn和曲面TriBreakNew的交線(xiàn)組Ln，這組交線(xiàn)即為掃描線(xiàn)；

(4) 計(jì)算每條掃描線(xiàn)Li(i=1,2,···,n)上每點(diǎn)的曲率值，找出曲率極值點(diǎn)集Pi；

(5) 所有曲率極值點(diǎn)集Pn構(gòu)成最終的次輪廓線(xiàn)特征點(diǎn)集；

(6) 對(duì)點(diǎn)集Pn曲線(xiàn)擬合，確定次輪廓線(xiàn)。

圖 6是第一條掃描線(xiàn)L1的曲率情況分布直方圖，在掃描線(xiàn)L1上的第80個(gè)點(diǎn)附近出現(xiàn)曲率極值點(diǎn)，這個(gè)點(diǎn)將是次輪廓線(xiàn)點(diǎn)集的一部分。

圖6 掃描線(xiàn)的曲率分布情況

和文獻(xiàn)[5]算法的原理一樣，只是所掃描的曲面不同，文獻(xiàn)[5]算法中是對(duì)所求得的包絡(luò)次輪廓線(xiàn)特征點(diǎn)集的擬合曲面進(jìn)行曲面掃描，而本文算法是對(duì)斷裂面的二級(jí)鄰接生長(zhǎng)曲面掃描。

3 生成特征輪廓線(xiàn)

通過(guò)本文算法分別提取了碎片模型的主輪廓線(xiàn)Lm和次輪廓線(xiàn)Ln，而模型的特征輪廓線(xiàn)是外表面和斷裂面的交線(xiàn)，所以特征輪廓線(xiàn)是由主次輪廓線(xiàn)的共同組成。對(duì)于存在斷裂面的部分選取相應(yīng)的次輪廓線(xiàn)，否則選取主輪廓線(xiàn)，最后將這些選取的線(xiàn)段連接起來(lái)構(gòu)成閉合曲線(xiàn)Ls，即三角網(wǎng)格曲面模型的特征輪廓線(xiàn)。如圖7所示，以黑色的粗線(xiàn)標(biāo)示碎片的輪廓線(xiàn)，圖7 (a)表示主輪廓線(xiàn)，圖7(b)標(biāo)示次輪廓線(xiàn)，圖7(c)為通過(guò)主、次輪廓線(xiàn)的選取，確定最終的特征輪廓線(xiàn)。

圖7 經(jīng)主、次輪廓線(xiàn)連接而成的碎片特征輪廓線(xiàn)

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)通過(guò)對(duì)陶俑碎片1和2特征輪廓線(xiàn)進(jìn)行提取，對(duì)比了文獻(xiàn)[5]算法和本文算法。通過(guò)實(shí)驗(yàn)結(jié)果可以看出，文獻(xiàn)[5]算法不是對(duì)所有碎片都能正確提取次輪廓線(xiàn)。可能出現(xiàn) 2種情況的錯(cuò)誤提?。孩儆捎陂撝颠x擇的不合適，完全提取不到次輪廓線(xiàn)，如圖8(a)提取的碎片1的次輪廓線(xiàn)為空，因?yàn)樗槠?2斷裂面和外表面的夾角較小，文獻(xiàn)[5]算法中確定的閾值過(guò)大，導(dǎo)致包含次輪廓線(xiàn)的特征點(diǎn)集沒(méi)有被提取到，所以最終形成的特征輪廓線(xiàn)也只是碎片的邊界線(xiàn)。②有的提取到的次輪廓線(xiàn)有偏差，如圖8(b)提取的碎片2的次輪廓線(xiàn)一部分是錯(cuò)誤的，導(dǎo)致最終碎片的特征輪廓線(xiàn)還包含了錯(cuò)誤的特征線(xiàn)。圖9(a)和9(b)是使用本文算法提取碎片1和2的特征輪廓線(xiàn)，觀(guān)察碎片模型可以看出提取的輪廓線(xiàn)是準(zhǔn)確的。

圖8 文獻(xiàn)[5]算法實(shí)驗(yàn)結(jié)果圖

圖9 改進(jìn)后的算法實(shí)驗(yàn)結(jié)果圖

表4是所提取碎片的輪廓線(xiàn)包含點(diǎn)的個(gè)數(shù)，從表中的數(shù)據(jù)可以更清楚地看到文獻(xiàn)[5]算法在提取有的碎片會(huì)出現(xiàn)提取錯(cuò)誤的情況，例如通過(guò)文獻(xiàn)[5]算法所提取的碎片 1次輪廓線(xiàn)特征點(diǎn)數(shù)為 0的情況。

表4 實(shí)驗(yàn)結(jié)果參數(shù)對(duì)比(個(gè))

選取一個(gè)兵馬俑中的一些碎片模型，分別使用文獻(xiàn)[5]算法和本文算法提取碎片的特征輪廓線(xiàn)，圖10列出了其中3個(gè)碎片的實(shí)驗(yàn)結(jié)果，第1列為3個(gè)碎片模型，第2列是使用文獻(xiàn)[5]算法提取的碎片的特征輪廓線(xiàn)，第3列是使用本文算法所提取的特征輪廓線(xiàn)的結(jié)果。從圖10可以看出對(duì)碎片1和碎片2使用文獻(xiàn)[5]算法所提取的特征輪廓線(xiàn)是有錯(cuò)誤的，而本文算法正確提取了碎片模型的特征輪廓線(xiàn)。碎片 3使用本文算法都正確提取了模型的特征輪廓線(xiàn)。

通過(guò)實(shí)驗(yàn)可以得出文獻(xiàn)[5]算法不是對(duì)所有碎片模型都能正確提取特征輪廓線(xiàn)，而本文算法對(duì)所有碎片都正確提取特征輪廓線(xiàn)。碎片1

圖10 文獻(xiàn)[5]算法和本文算法提取的特征輪廓線(xiàn)

5 結(jié) 束 語(yǔ)

本文借鑒已有的特征輪廓線(xiàn)的形成思想，提出了一種改進(jìn)的特征輪廓線(xiàn)提取算法，對(duì)內(nèi)、外輪廓線(xiàn)的概念進(jìn)行了重新命名定義，并分別對(duì)主、次輪廓線(xiàn)提取方法的都做了改進(jìn)和變更。主輪廓線(xiàn)提取的算法合理利用了數(shù)據(jù)空間，并使算法執(zhí)行時(shí)間減半。在文獻(xiàn)[5]算法中次輪廓線(xiàn)提取部分過(guò)分依賴(lài)閾值的確定，穩(wěn)定性太差，本文算法通過(guò)從提取的斷裂面中獲得特征點(diǎn)集提取的次輪廓線(xiàn)是精確并且穩(wěn)定的，算法適用性強(qiáng)，針對(duì)薄壁文物碎片能正確地提取特征輪廓線(xiàn)，所以本文改進(jìn)后的算法是穩(wěn)定且準(zhǔn)確的。

[1] Cohen F, Taslidere E, Liu Zexi, et al. Virtual reconstruction of archaeological vessels using expert priors ＆SurfaceMarkings [C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.San Francisco, USA: IEEE ComputerSociety, 2010: 7-14.

[2] 周術(shù)誠(chéng). 三維復(fù)雜形狀拼接與破碎物體復(fù)原技術(shù)研究[D]. 西安: 西北大學(xué), 2007．

[3] 吳亞?wèn)|, 劉玉樹(shù). 三維模型輪廓線(xiàn)抽取算法[J]. 中國(guó)圖象圖形學(xué)報(bào): A版, 2001, 6(2): 192-194.

[4] DeCarlo D, Finkelstein A, RusinkiewiczS, et al.Suggestive contours for conveyingShape [C]//Proc ofSIGGRAPH. New York: ACM Press, 2003: 848-855．

[5] 樊少榮, 茹少峰, 周明全, 等. 破碎剛體三角網(wǎng)格曲面模型的特征輪廓線(xiàn)提取方法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2005, 17(9): 2004-2007.

[6] 曹彩霞, 董洪偉, 丁金仲. 基于區(qū)域生長(zhǎng)的網(wǎng)格模型分割[J]. 計(jì)算機(jī)工程與應(yīng)用, 2008,44(31): 84-86.

[7] 楊 飛, 周 凡, 王若梅. 一種快速有效地基于區(qū)域增長(zhǎng)的網(wǎng)格分割算法[C]//第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集, 大連, 2013.

[8] Huang Qixing, FloryS, Gelfand N, et al. Reassembling fractured objects by geometricMatching [J]. ACM Transactions on Graphics, 2006, 25(3): 569-578．

[9] Deschenes F, Ziou D. Detection of line junctions and line terminations using curvilinear features [J]. Pattern Recognition Letters, 2000, 21(6-7): 637-649.

An Improved Technique of Extracting Feature Contour from Thin-Walled Cultural Relic Fragments

Li Kang, Li Jing, Sun Jiaze, Geng Guohua, Ma Zhongling, Liu Lei
(School of InformationScience and Technology, Northwest University, Xi′anShaanxi 710127, China)

Aiming at the problem of incomplete feature contour extraction for 3DMeshModel by using GeneralMethod of detecting the edge, a new integrated algorithm of extracting feature contour from thin-walled cultural relic fragments is proposed. This paper distinguished the concept of feature contour from contour. Then it introduced theMain contours andSecondary contours, and proposed the concept of twice adjacent growth ofSurfaces. The algorithm used the improvedMethod based on edge weight number judgment to extract theMain contours; a newMethod of extracting theSecondary contours is proposed. Firstly, theSurface of 3DMesh isSegmented and the fractureSurface is recognized. Then the algorithmScans the two adjacentSurfaces of growth of fractureSurface withSurface to extract theSecondary contours. Finally, it could get the feature contour of 3DMeshModel from theMain contours andSecondary contours. It extracted the feature contour of cultural relic fragments accurately with this algorithm. The experimental resultsShow that thisMethod is efficient and accurate.

3D thin-walled cultural relic fragments;Main andSecondary contours;SurfaceSegmentation; twice adjacent growth of fractureSurface; feature contour

A

2095-302X(2015)02-0251-06

2014-10-08；定稿日期：2014-10-24

國(guó)家自然科學(xué)基金面上項(xiàng)目(61373117)；陜西省科技統(tǒng)籌創(chuàng)新工程計(jì)劃資助項(xiàng)目(2011KTCG03-08)；陜西省教育廳產(chǎn)業(yè)化培育資助項(xiàng)目(2012JC24)

李 康(1980–)，男，陜西寶雞人，講師，博士。主要研究方向?yàn)橛?jì)算機(jī)可視化技術(shù)。E-mail：854092@qq.com

TP 391