本文選題：網(wǎng)格去噪　切入點：特征保持　出處：《浙江大學(xué)》2017年碩士論文

【摘要】：網(wǎng)格去噪用于從輸入的帶有噪聲的網(wǎng)格中獲取整潔并高質(zhì)量的結(jié)果。因為通過儀器掃描得到的模型不可避免地在一定程度上受到噪聲污染,會給后續(xù)的網(wǎng)格應(yīng)用帶來不可預(yù)測的后果,網(wǎng)格模型的去噪算法越來越受到重視。近些年來,學(xué)者們提出了多種類型的網(wǎng)格去噪算法,并取得了一定的成果。但是,這些網(wǎng)格去噪算法在不同程度上存在著局限性,主要有兩點:(1)不能保持包含大噪聲的模型的幾何特征;(2)算法雖然取得了理想的視覺效果,但計算效率低下。針對上述兩點,本文提出了一種新的網(wǎng)格去噪方法,不僅高效,同時能很好的保持模型的幾何特征。本文的去噪方法分為四步:初始頂點預(yù)處理、過濾面法線、過濾頂點法線和頂點更新。在預(yù)處理階段,引入一種快速頂點過濾算法重新計算頂點坐標,從而大幅度減少噪聲的干擾。針對預(yù)處理后的網(wǎng)格模型,使用一種非標準化的雙邊過濾方法,高效的對面法線進行平滑。在處理頂點法線這一步,首先根據(jù)過濾后的面法線對頂點進行分類,然后針對不同類型的頂點,分別計算出頂點法線。最后進行頂點更新,基于上述步驟獲得的面法線和頂點法線,使用一種高效迭代的方法對頂點進行更新。通過定性和定量比較結(jié)果可知,本文的方法可以超越文中選取的現(xiàn)有的最先進方法,尤其是在效率上,本文方法的計算效率非常高。
[Abstract]:Mesh denoising is used to obtain clean and high quality results from input meshes with noise, because the models obtained by instrument scanning are inevitably contaminated by noise to some extent. In recent years, many kinds of mesh denoising algorithms have been proposed by scholars, and some achievements have been made. These mesh denoising algorithms have some limitations in varying degrees, including two points: 1) can not maintain the geometric features of the model with large noise, although the algorithm has achieved ideal visual effect, but the computational efficiency is low. In view of the above two points, In this paper, a new mesh denoising method is proposed, which is not only efficient, but also good at preserving the geometric characteristics of the model. The denoising method is divided into four steps: initial vertex preprocessing, filtering surface normality, and so on. Filtering vertex normals and vertex updates. In the preprocessing stage, a fast vertex filtering algorithm is introduced to recalculate vertex coordinates so as to greatly reduce noise interference. Using a non-standardized bilateral filtering method, efficient opposite normals are smoothed. In this step of processing vertex normals, vertices are first classified according to the filtered surface normals, and then for different types of vertices. The vertex normals are calculated respectively. Finally, vertex updating is carried out. Based on the surface normal and vertex normals obtained from the above steps, an efficient iterative method is used to update vertices. The method in this paper can outperform the most advanced methods selected in this paper, especially in the efficiency, the computational efficiency of this method is very high.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 曲延華;秦宏;張玉梅;;基于改進的醫(yī)學(xué)圖像去噪算法的研究[J];沈陽工程學(xué)院學(xué)報(自然科學(xué)版);2009年03期

2 石玉英;劉晶晶;;一種基于矩陣格式的半隱式圖像去噪算法[J];徐州工程學(xué)院學(xué)報(自然科學(xué)版);2012年04期

3 侯建華;熊承義;田金文;柳健;;基于鄰域閾值分類的小波域圖像去噪算法[J];光電工程;2006年08期

4 唐琳;晏海華;蔡德榮;黃猛;;一種基于最優(yōu)小波包基的圖像去噪算法[J];計算機與數(shù)字工程;2008年04期

5 李小林;劉傳才;魏艷紅;;一種非線性復(fù)擴散圖像去噪算法[J];渭南師范學(xué)院學(xué)報;2009年02期

6 熊波;尹周平;;滑動平均和改進權(quán)重函數(shù)的快速非局部平均圖像去噪算法[J];中國圖象圖形學(xué)報;2012年05期

7 王民;文義玲;;常用圖像去噪算法的比較與研究[J];西安建筑科技大學(xué)學(xué)報(自然科學(xué)版);2010年06期

8 陳蒙;;醫(yī)學(xué)X光成像中圖像去噪算法研究[J];軟件;2013年11期

9 李小林;劉傳才;;一種新的基于二階導(dǎo)數(shù)的圖像去噪算法[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2008年01期

10 肖貴元;;基于三維濾波的視頻去噪算法研究[J];電光與控制;2008年05期

相關(guān)會議論文 前8條

1 王樹艷;楊勛年;;平面曲線去噪的混合雙邊算法[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

2 李洋;李雙田;;小波圖像去噪算法分析[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 鄧志全;關(guān)履泰;朱慶勇;;改進的非局部均值圖像去噪算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 李俊峰;戴文戰(zhàn);潘海鵬;高金鳳;;基于灰色系統(tǒng)理論的圖像去噪算法研究[A];第二十九屆中國控制會議論文集[C];2010年

5 連小麗;姚暉;王冠華;萬木森;張林樸;孟卓;李燕妮;梁雨;代曉華;石博雅;;基于光學(xué)相干層析離體牙圖像的去噪算法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第30次學(xué)術(shù)年會暨生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2010年

6 張娛;谷旭源;;基于小波系數(shù)的圖像自適應(yīng)閾值去噪算法[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

7 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應(yīng)遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

8 劉志剛;郭艷穎;;基于形態(tài)神經(jīng)網(wǎng)絡(luò)的SAR圖像去噪算法研究[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 張鑫媛;基于結(jié)構(gòu)相似性的磁共振圖像去噪新算法研究[D];南方醫(yī)科大學(xué);2015年

2 張海鋒;壓縮感知圖像重構(gòu)及去噪算法的研究[D];燕山大學(xué);2016年

3 陳大力;數(shù)字圖像處理中去噪算法的研究[D];東北大學(xué);2008年

4 劉輝;數(shù)字圖像處理中基于局部方向性的壓縮和去噪算法研究[D];吉林大學(xué);2008年

5 宮霄霖;基于小波變換的不規(guī)則鄰域的數(shù)字圖像去噪算法研究[D];天津大學(xué);2010年

6 崔學(xué)英;低劑量CT的投影域去噪算法和后處理方法研究[D];中北大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王圳萍;基于低秩矩陣恢復(fù)的圖像去噪算法研究[D];西南交通大學(xué);2015年

2 張超;圖像和視頻去噪算法的研究與實現(xiàn)[D];復(fù)旦大學(xué);2014年

3 羅格;三維模型去噪算法的研究及其在三維曲面重建上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

4 宋鑫夢;管道漏水檢測去噪算法的研究[D];內(nèi)蒙古師范大學(xué);2015年

5 賀東霞;數(shù)字圖像去噪算法的研究與應(yīng)用[D];延安大學(xué);2015年

6 劉航;并行非局部均值去噪算法研究[D];西安電子科技大學(xué);2014年

7 王秀東;圖像去噪算法及其GPU并行化研究[D];西安電子科技大學(xué);2014年

8 李翠菊;基于NSCT和雙邊濾波的圖像去噪算法研究[D];湘潭大學(xué);2015年

9 劉斌;BM3D去噪算法的硬件實現(xiàn)[D];上海交通大學(xué);2013年

10 鐘瑩;結(jié)構(gòu)特性匹配的非局部均值圖像去噪算法研究[D];合肥工業(yè)大學(xué);2014年

，

本文編號：1676458