基于超像素纹理分割的三维立体模型重构设计

茹金平+刘海姣

摘 要：在计算机平面设计中，需要利用三维立体模型进行视觉重构，以提高平面设计的立体美化感。传统方法采用多维透视变换平滑方法进行视觉重构，在三维立体模型受到散点噪声干扰下，重构效果不好。提出一种基于超像素纹理分割的三维立体模型重构算法，首先对三维立体模型进行图像视觉特征采集和降噪处理，对降噪滤波输出的图像进行不规则三角网构建，并在构建的三角网中进行超像素纹理分割，通过纹理特征提取结果进行视觉重构，实现算法改进。仿真结果表明，采用该方法进行三维立体模型重构的特征分辨率较高，视觉信息的美化效果好，信息呈现较为准确，误差率低，在计算机平面设计中展示了较好的应用性能。

关键词关键词：超像素；纹理分割；三维模型；重构

DOIDOI：10.11907/rjdk.161646

中图分类号：TP317.4

文献标识码：A 文章编号：1672-7800（2016）008-0180-03

0 引言

随着计算机图像处理技术的发展，图像处理技术广泛应用于计算机平面设计和三维重构中。传统方法中，对三维立体模型的视觉重构方法有不规则三角网法、GPU渲染法和线性最短路径法等[1，2]，并在视觉特征提取和图像分析方面取得了一定研究成果。其中，文献[3]提出一种基于信息子空间聚类分析的三维立体模型视觉重构方法，并应用于飞行器设计和制造中，采用三角网快速配准方法对三维立体模型中的亮点和纹理信息进行渲染和子空间聚类重构，提高了视觉辨识能力，提高了飞行器设计的精准性，但是该方法计算开销过大，三维重构的实时性不好[4]；文献[5]采用多维透视变换平滑方法进行视觉重构，在三维立体模型受到散点噪声干扰下，重构效果不好。针对上述问题，本文提出一种基于超像素纹理分割的三维立体模型重构算法，首先进行三维立体模型的图像视觉特征采集和降噪处理，对降噪滤波输出的图像进行不规则三角网构建，并在构建的三角网中进行超像素纹理分割，通过纹理特征提取结果进行视觉重构，实现算法改进。最后通过仿真实验进行了性能测试，展示了较好的应用性能。

1 三维立体模型图像视觉特征采集与降噪处理

1.1 问题描述与三维立体模型图像视觉特征采集

为了提高三维立体模型的计算机平面设计能力，进行三维立体模型的计算机视觉特征采集和识别。根据对三维立体模型体数据的解析，能够将三维立体模型的装配体和部件数据总结成5种类型，分别为：三维立体模型装配体整体数据、三维立体模型装配体中每一个构件内部数据和构件与外部的联系数据、三维立体模型子装配体内部数据以及三维立体模型装配体间的联系数据。根据上述分析，三维立体模型重构数据模型的基本要求主要有以下几点：

（1）完整性。为实现三维立体模型系统对不同数据的要求，虚拟三维立体数据模型包括很多完整数据，例如：三维零件基本数据、装配工艺数据、三维立体模型装配关系数据、装配结构数据和零件几何数据等。

（2）集成性。虚拟三维立体模型数据可以集成CAD系统导入的模型数据、计算机平面设计和装配中所产生的数据和部分补充数据于同一个模型。

（3）高效性。三维立体模型的组成需要清晰、合理，虚拟三维立体数据模型的实现需要高效率。

根据上文解析研究的层次模型与关系模型构建基于层次结构的三维立体混合装配数据模型，进行三维重构。采用三维立体视觉图像重构的网格分析方法，得到三维立体模型的图像视觉特征采集过程如图1所示。

在图1所示的图像视觉特征采集中，三维立体模型混合装配数据的每层依据所含內容的不同分别有各种差异的表达式。设三维立体模型图像信号源D（a，t）为追踪编码的目标，源编码在指定传输比特率为Q时，使编码方法f（D）追踪图像编码在特定规则下的失真最小，即：

其中，Fmin为三维立体模型的最小编码插值数据。假设{xP}是一个三维立体模型视觉图像的平稳编码序列，具有零均值和方差，p为时间，其预测公式为：

其中，ωw是预测追踪器系数。对立体模型的三维建模中，参数体系设计是关键，最小化预测追踪误差进行参数体系构建，即：

1.2 降噪处理

在采集的三维立体模型视觉图像中，由于受到设备和介质等干扰因素影响，产生了噪声，需要对采集的三维立体模型视觉图像进行小波降噪处理。利用三维立体模型视觉图像的矢量裁剪类特征，进行小波重构，表达式为：

2 超像素纹理分割及重构算法改进实现

在上述进行了三维立体模型视觉图像特征采集和降噪处理的基础上，进行超像素纹理分割，实现视觉重构。传统方法采用多维透视变换平滑方法进行视觉重构，在三维立体模型受到散点噪声干扰下，重构效果不好。提出一种基于超像素纹理分割的三维立体模型重构算法，在构建的三角网中进行超像素纹理分割，通过纹理特征提取结果进行视觉重构，实现算法改进。

在尺度空间内采用三角网约束曲面重构方案对三维立体模型视觉图像进行超像素纹理分割，分割的像素信息参量为：

其中，Ix表示像素点进行随机点序列排序后的水平位移特征值，Iy表示图像重构的超像素特征值。计算三维立体模型视觉图像重构区域的轮廓运动幅值为：

其中，θ为三维立体模型视觉图像的超像素分割区域进行旋转位移过程中左右旋转的角度，tx、ty分别表示调整后的像素值对应的二维坐标。设定用ni来表示三维立体模型视觉图像的边缘轮廓区域灰度i的阶数，图像经过归一化分割，得到计算机视觉平面区域的纹理像素特征，纹理像素特征的旋转不变和尺度不变特征分别记为Int（C1）或Int（C2）。通过上述处理，采用Harris角点检测，可以求得各个纹理信息特征参数，表示为：

其中，η表示网格模型下三维空间的经度角，表示图像区域像素元素。在图像的边缘轮廓中，计算像素点的二阶矩，提高三维立体模型视觉图像的检测能力。在对三维立体模型视觉图像进行边缘轮廓特征提取后，为了降低边缘检测的区域间差异值，对两幅图像进行强度叠加，考虑G→P向量逆加权f（gi），得到输出的重构纹理信息网格分布为：

通过上述算法改进，提高了三维立体图像的重构和平面设计能力。

3 仿真分析

为了测试本文算法在实现三维立体图像的超像素纹理分割和视觉重构中的性能，进行仿真实验分析。在Interface Overallcontrol目录下生成Linux内核映像文件进行实验配置，程序配置中采用个人PC机搭建硬件平台，采用Matlab 7进行数学仿真。首先进行视觉信息采集，采样精度为fs=10*f0Hz=10KHz，视觉特征采集的样本长度为1 024，超像素信息特征分割的带宽为B=1 000Hz。根据上述仿真环境和参数设定，进行三维重构。以球体和三菱柱为例，得到重构结果如图2所示。

由图2可见，采用本文方法进行三维立体模型重构的视觉效果较好。为了定量分析性能，采用本文方法和传统方法，以三棱柱的重构误差率为测试指标，得到仿真结果如图3所示，表明采用该方法进行图形重构的误差率较低。

4 结语

本文提出一种基于超像素纹理分割的三维立体模型重构算法，首先进行三维立体模型的图像视觉特征采集和降噪处理，对降噪滤波输出的图像进行不规则三角网构建，并在构建的三角网中进行超像素纹理分割，通过纹理特征提取结果进行视觉重构。研究表明，采用该方法进行三维立体模型重构的特征分辨率较高，视觉信息的美化效果好，信息呈现比较准确，展示了较好的应用性能。

参考文献：

[1]彭小江，张家树.基于特征匹配和校验的鲁棒实时电子稳像[J].光子学报，2011，40（9）：1442-1446.

[2]任少盟，魏振忠，張广军.基于扩展Kalman预测模型的双目立体视觉图像特征点跟踪方法[J].电子测量技术，2012，35（1）：71-75，84.

[3]PATCHARAMANEEPAKRON P，ARMOUR S，DOUFEXI A.Coordinated beamforming schemes based on modified signal-to-leakage-plus-noise ratio precoding designs[J].IET Communications，2015，9（4）：558-567.

[4]郭聪，王守尊.基于Unity3D的飞行可视化仿真系统设计[J].电子设计工程，2016（5）：47-50.

[5]吕晓琪，李娜，张宝华，等.基于体素相似性的三维多模脑图像配准研究[J].中国医学影像学杂志，2013，21（2）：146-151.

（责任编辑：黄 健）