專利名稱：：一種基于分叉特征的三維骨架快速提取方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于模式識別與科學(xué)計算可視化相結(jié)合的交叉學(xué)科
技術(shù)領(lǐng)域：
，涉及基于分叉特征的三維樹狀體素模型的骨架快速提取技術(shù)。
背景技術(shù)：
：隨著計算機(jī)圖形學(xué)的快速發(fā)展，三維幾何模型被廣泛地應(yīng)用在計算機(jī)輔助設(shè)計、虛擬現(xiàn)實環(huán)境、數(shù)據(jù)可視化、醫(yī)學(xué)影像、教育與娛樂等各個領(lǐng)域。曲線骨架作為三維形狀的一維抽象表示方式，描述了三維模型幾何形狀特征和拓?fù)浣Y(jié)構(gòu)特征。三維模型的曲線骨架提取提供了對三維模型的形狀和結(jié)構(gòu)的高級理解與分析，在虛擬導(dǎo)航、模型簡化、模型匹配與檢索、形變和動畫等方面有著重要應(yīng)用。細(xì)化方法是目前三維骨架化方法中研究最多、也是最成熟的方法。Morgenthaler最早提出簡單點概念物體的一個點(體素點)刪除后不會改變物體的拓?fù)浣Y(jié)構(gòu)。細(xì)化過程從物體邊界開始向內(nèi)部延伸直到?jīng)]有簡單點可以被刪除為止。在每一步迭代中，每個邊界體素點測試拓?fù)浔Ａ魲l件，滿足條件則被刪除。然而，從物體中移除所有的簡單點會過度縮短骨架的分支，因為骨架的末端點也是簡單點。所以需要增加條件來防止末端點的移除保證物體的幾何特征。另外細(xì)化方法最初產(chǎn)生面骨架，當(dāng)削減到一個體素厚度時獲得曲線骨架；另一些方法包含一系列模板來直接產(chǎn)生曲線骨架。另外也有2.5D的算法專門將面骨架細(xì)化成曲線骨架?；诰嚯x場的方法，定義三維物體中的每個內(nèi)部點有一個該點到物體邊界的最小距離值。距離場中的脊點對應(yīng)了物體的中心點。2004年P(guān)erchet提出測地傳播方法，從三維物體根點傳播上檢測出的距離場局部最大值作為候選點。1999年Zhou提出體素編碼方法，除測量到邊界的距離場外，還結(jié)合了到單個源點的距離場來求取候選骨架點。候選體素點的數(shù)量仍然很多，所以下一步需要削減這個集合至易處理的數(shù)量，不同的標(biāo)準(zhǔn)被用來刪除不重要的極值點。經(jīng)過刪除冗余點后剩下點是不連接的，所以最后需要重新連接這些點來產(chǎn)生一維曲線。為了連接性，Sunder、Wan和Zhang使用了最小擴(kuò)張樹方法，但并不能保證與原始模型拓?fù)湟恢?。Zhang分級骨架提取方法可以分解體素模型，但在分叉處的分割面不理想，且提取骨架速度慢。Reeb圖的思想是在三維模型上定義一個連續(xù)實數(shù)值函數(shù)，根據(jù)函數(shù)值將模型上的頂點進(jìn)行分類，值相同且位于同一連通分量上的點歸為一類，得到原頂點集的一個商集。將商集中的點根據(jù)原有模型點間的鄰接關(guān)系連接起來，就得到原有模型的一個骨架。Reeb圖中的結(jié)點對應(yīng)函數(shù)中的駐點(函數(shù)梯度為零的點)，圖的邊表示駐點的連接邊。Attene和Xiao采用的高度函數(shù)對物體的方向很敏感，Hilaga計算到所有面片頂點的積分測地距離對噪聲不敏感。除了距離變換外，許多其他函數(shù)定義的場也可以用來提取曲線骨架。在這類方法中有廣義勢力場函數(shù)每個物體內(nèi)部點的勢力大小是由物體邊界對其產(chǎn)生的勢力之和；靜電場函數(shù)用來產(chǎn)生物體內(nèi)部的靜電力；可見排斥力函數(shù)用到了Newtonian斥力計算從內(nèi)部點到邊界元素的可見性；網(wǎng)格頂點上的徑向基函數(shù)的組合也用來定義物體內(nèi)部的場。這些場函數(shù)相比距離場方法的優(yōu)點是它們可以產(chǎn)生中軸面上漂亮的曲線，減小了該類算法對邊界噪聲的敏感度，但是這類方法計算量很大。體素晶格的分辨率也會影響場函數(shù)，因為較少的邊界點在該狹窄區(qū)域的勢力值中貢獻(xiàn)很多使它在物體狹窄的區(qū)域?qū)υ肼暶舾?。廣義場方法另一個缺點是它在數(shù)值上的不穩(wěn)定性，因為計算中涉及了一階甚至二階的微分量。
發(fā)明內(nèi)容由于現(xiàn)有技術(shù)不能快速提取中心性高且保留物體拓?fù)浣Y(jié)構(gòu)的三維樹狀體素模型的曲線骨架，本發(fā)明的目的是提取魯棒性高的中心骨架，基于分叉特征的自動檢測和分界面的優(yōu)化合理地分解體素模型，提取部件骨架并連接成結(jié)構(gòu)化骨架，為此，本發(fā)明提出一種基于分叉特征的三維骨架快速提取方法。為了實現(xiàn)所述的目的，本發(fā)明提供的基于分叉特征的三維骨架快速提取方法，該方法的步驟包括步驟1:輸入體素模型數(shù)據(jù)，基于種子點距離場自動獲取樹狀體素模型的基本幾何特征點為"根點"和"末梢點"；步驟2:對體素模型的根點和末梢點分別進(jìn)行單點種子點距離變換，獲得體素模型根點和末梢點的距離場；將距離場中距離值相同并且互相連通的體素集合構(gòu)成一個體素聚類，以每個體素聚類作為節(jié)點，按種子點距離值從小到大的方向連接每個相鄰體素聚類得到聚類圖；沿著聚類圖的方向，實施基于根點和末梢點的區(qū)域生長策略，區(qū)域生長策略是從體素模型根點或末梢點出發(fā)每生長一步檢測當(dāng)前體素聚類是否為分叉聚類，如果是分叉聚類，則標(biāo)記該體素聚類為分叉聚類；如果不是分叉聚類，則不進(jìn)行標(biāo)記；直到所有體素聚類都檢測完為止；選取檢測到的分叉聚類的重心點作為分叉點，按聚類圖方向連接根點、分叉點和末梢點形成分支圖；根據(jù)分支圖對體素模型中的每個體素點進(jìn)行分類，同一個分支上的體素點為一類部件，并且在分叉處進(jìn)行分割面優(yōu)化用于保證體素模型部件之間分界合理，最后得到基于分叉特征的形狀分解，輸入的體素模型被分解為若干個部件；步驟3:根據(jù)部件對應(yīng)的末梢點距離場，在每個部件中提取各自的部件骨架；最后按分支結(jié)構(gòu)將所有部件骨架連接成結(jié)構(gòu)化的完整骨架。其中，所述基本幾何特征點提取是計算樹狀體素模型的根點和末梢點，首先在輸入體素點集合中任意選取一個體素點作為單點種子點進(jìn)行種子點距離變換，在該種子點距離場中最后一個被訪問并賦予距離值的點就被選取為輸入體素模型的根點；選取了根點之后，以根點作為單點種子點進(jìn)行距離變換，在根點距離場中每一個的局部最大類對應(yīng)了一個末梢點。其中，區(qū)域生長策略分為基于根點的區(qū)域生長和基于末梢點的區(qū)域生長；所述基于根點的區(qū)域生長，首先以根點作為單個種子點并用"1-2-3"矩陣對體素模型進(jìn)行距離變換，獲得根點距離圖；其次從根點出發(fā)沿著根點距離值不斷增大的方向進(jìn)行擴(kuò)張直到各分支的末梢；所述基于末梢點的區(qū)域生長是將每個末梢特征點作為單個種子點，用"1-2-3"矩陣對體素模型進(jìn)行距離變換；根據(jù)末梢點距離值不斷增大的方向?qū)w素空間進(jìn)行區(qū)域的擴(kuò)張，直到所有體素點都被擴(kuò)張到為止。其中，聚類圖具有相同種子點距離值的連通體素集合形成一個體素聚類，體素聚類分成根聚類、末梢聚類、分叉聚類和一般聚類；所述根聚類是包含根點的體素聚類；所述末梢聚類是包含末梢點的體素聚類，末梢聚類的距離值大于所有相鄰體素聚類的距離值；所述一般聚類是具有兩個相鄰體素聚類的體素聚類；一個相鄰體素聚類的距離值比一般聚類的距離值大l，而另一個相鄰體素聚類的距離值比一般聚類的距離值小1;所述分叉聚類是具有兩個以上相鄰體素聚類的體素聚類，分叉聚類包括分離聚類和合并聚類；分離聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值大一的分叉聚類；合并聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值小一的分叉聚類；通過對分叉聚類的檢測自動判斷體素模型的分叉；當(dāng)分離聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將增加；當(dāng)合并聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將減少。其中，所述分支圖具有多個分支，其中分支圖中的節(jié)點由根點、分叉點和末梢點構(gòu)成，該根點、分叉點和末梢點分別對應(yīng)聚類圖中的根聚類、分叉聚類和末梢聚類，選取分叉點為分叉聚類的中心點；根點或者分叉點是不同分支的起點；分叉點或者末梢點是不同分支的終點；在每個分叉點處，對分叉后的分支進(jìn)行競爭產(chǎn)生分支之間的等級關(guān)系，該分支的競爭為在比當(dāng)前分叉聚類距離值大1的相鄰體素聚類中，選取體素聚類體素點數(shù)最多的一個體素聚類作為當(dāng)前分支的延續(xù)，而競爭失敗的體素聚類則標(biāo)記為該級分支的下級分支，競爭獲勝的體素聚類所在分支是該多個下級分支的上級分支。其中，分割面的優(yōu)化如下所述對于區(qū)域生長中遇到的分叉聚類兩兩連接比該分叉聚類距離值大1的多個相鄰體素聚類，由該多個體素聚類的重心點連線組成多個矢量方向，搜索多個相鄰體素聚類之間在矢量方向最短路徑上的所有體素點，標(biāo)記在該最短路徑上的所有體素點不屬于當(dāng)前分支，不在最短路徑上且距離值小于分叉聚類的體素點將標(biāo)記為當(dāng)前分支的編號；對所有體素模型的分叉聚類進(jìn)行完分割面優(yōu)化后，具有同一個分支編號的體素點集合組成一個對應(yīng)該分支的部件，體素模型按分支圖結(jié)構(gòu)分解成多個分支部件完成形狀分解。其中，對于每個部件骨架，是根據(jù)末梢點距離場在部件等間隔的距離層中計算間隔的重心并修正重心位置成為骨架節(jié)點；骨架節(jié)點之間按相鄰的距離間隔進(jìn)行連接而得到部件的骨架；骨架節(jié)點具體步驟如下(1)計算等距離間隔t中的重心^;(2)計算骨架節(jié)點《，<formula>formulaseeoriginaldocumentpage7</formula>《—,和《—2表示上兩個等距間隔中的骨架點，Wl和w2是調(diào)節(jié)兩項的權(quán)重，公式第一項是光滑約束<formula>formulaseeoriginaldocumentpage7</formula>其中，所述體素模型，該體素模型的結(jié)構(gòu)化骨架是通過分支圖的分支結(jié)構(gòu)及等級關(guān)系連接所有部件骨架匯合成；如果一個部件骨架對應(yīng)的分支起點是一個分叉點，則該部件骨架的骨架起點應(yīng)連接到分叉處的上級分支上；對于種子點出發(fā)的部件骨架，其分支的起點不是一個分叉點則不對其進(jìn)行操作，其他分支會與該種子點出發(fā)的部件骨架相連接；處理完所有部件骨架的連接，就得到了體素模型的結(jié)構(gòu)化骨架。所述基于分叉特征的三維骨架快速提取方法，還包括，基于骨架對真實植物進(jìn)行建模，是通過三維激光掃描儀采集得到真實植物的點云數(shù)據(jù)，用八叉樹的方法將點云數(shù)據(jù)轉(zhuǎn)換成該真實植物的表面體素模型；對該真實植物的體素模型提取結(jié)構(gòu)化骨架，根據(jù)骨架點位置和骨架點對應(yīng)半徑值構(gòu)造圓臺面，最后重建得到整個真實植物模型的網(wǎng)格模型；骨架點對應(yīng)的半徑是該骨架點到體素模型邊界的最小距離值；半徑的計算由邊界距離場得到，也可以由聚類中的體素在沿骨架垂直方向的投影計算得到，為了對噪聲不敏感可以使用光滑約束修正半徑值。其中，輸入體素模型中具有形狀和形式，如下所述所述輸入體素模型的形狀包括帶環(huán)結(jié)構(gòu)的形狀和不帶環(huán)結(jié)構(gòu)的形狀；帶環(huán)結(jié)構(gòu)的形狀是體素模型中包含回路的形狀；不帶環(huán)結(jié)構(gòu)的形狀是體素模型中不包含回路的形狀；所述輸入體素模型的形式包括實心體素模型和表面體素模型；實心體素模型是體素點全部填充體素模型內(nèi)部的體素；表面體素模型是體素點只覆蓋體素模型表面的體素模型。本發(fā)明的有益效果本發(fā)明應(yīng)用于真實植物的建模，適用于帶環(huán)狀結(jié)構(gòu)的物體，能夠處理表面體素模型以及實心體素模型。本發(fā)明中的骨架對掃描數(shù)據(jù)中的噪聲不敏感，重建模型準(zhǔn)確度高。本發(fā)明采用了分叉聚類的檢測能夠自動判斷樹狀體素模型中的分叉，并采用了部件分割面的優(yōu)化技術(shù)方案改善了部件之間分界面的效果，消除了部件之間的侵蝕現(xiàn)象。本發(fā)明的分割面的有效構(gòu)造保證了骨架的中心性，消除了相鄰分支對骨架的影響；本發(fā)明的結(jié)構(gòu)化骨架有效地保留了原始三維體素模型的拓?fù)浣Y(jié)構(gòu)和幾何特征；本發(fā)明的該方法適用于帶有環(huán)狀結(jié)構(gòu)的形體，能處理實心體素模型以及表面體素模型；本發(fā)明的真實植物建模的應(yīng)用證明算法能夠抗噪且重建準(zhǔn)確度較高。圖l本發(fā)明方法流程圖；圖2本發(fā)明特征點提取圖；圖3本發(fā)明聚類示意圖；圖4a-圖4d本發(fā)明基于末梢點的區(qū)域生長5a-圖5c本發(fā)明分叉分割面優(yōu)化圖；圖6本發(fā)明結(jié)腸和帶環(huán)體的分解和骨架結(jié)果;圖7本發(fā)明四個虛擬植物的分解結(jié)果；圖8本發(fā)明向日葵和柳樹的分解和骨架結(jié)果;圖9本發(fā)明真實植物的分解、骨架及重建結(jié)果圖10本發(fā)明與Zhang骨架提取算法的比較。具體實施例方式下面將結(jié)合附圖對本發(fā)明加以詳細(xì)說明，應(yīng)指出的是，所描述的實施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。針對樹狀體素模型，本發(fā)明提出了一種基于分叉特征的三維骨架快速提取方法。該方法在分解分叉結(jié)構(gòu)的基礎(chǔ)上，對分解得到的每一個部件分別提取骨架，并連接部件骨架合成體素模型的結(jié)構(gòu)化骨架。本發(fā)明的貢獻(xiàn)為(l)分割面的有效構(gòu)造保證了骨架的中心性，消除了相鄰分支對骨架的影響；(2)結(jié)構(gòu)化骨架有效地保留了原始三維體素模型的拓?fù)浣Y(jié)構(gòu)和幾何特征；(3)該方法適用于帶有環(huán)狀結(jié)構(gòu)的形體，能處理實心體素模型以及表面體素模型；(4)真實植物建模的應(yīng)用證明算法能夠抗噪且重建準(zhǔn)確度較高，請參閱圖1示出本發(fā)明方法的流程圖，其中1.特征點選取請參閱圖2示出的本發(fā)明樹狀形體特征點提取圖；圖中示出樹狀形體中的圓圈是末梢點，三角形是樹狀形體的根點。在樹狀體素模型中，"根點"(rootpoint)和分支的"末梢點"(tippoint)是最基本的幾何特征點。"根點"通常定義為形體中最粗枝干的底部中心點，是樹狀體素模型根部的參考點。根點是分析體素數(shù)據(jù)的重要參考，一個樹狀體素模型只有唯一的根點，根點的確定是處理輸入體素模型的第一步，根點的選擇將會影響體素模型的形狀分解以及骨架提取的效果。本發(fā)明自動選取體素模型中的根點，方法如下首先在輸入體素點集合中任意選取一個體素點作為單點種子點進(jìn)行種子點距離變換，在該種子點距離場中最后一個被訪問并賦予距離值的點就被選取為輸入體素模型的根點。"末梢點"是除主干之外的其他分支的尖端點。末梢點的個數(shù)隨輸入體素模型的不同而不同，末梢點的位置可以手工選取坐標(biāo)值，但對于結(jié)構(gòu)復(fù)雜分支數(shù)目大的體素模型，一般希望通過程序自動計算得到。根據(jù)觀察，物體的末梢點總是位于或靠近根點距離場中的局部最大點，所以通過如下方式獲取末梢點的位置選取了根點之后，以這個根點作為單點種子點進(jìn)行距離變換，在根點距離場中每一個的局部最大類對應(yīng)了一個末梢點。2.基于分叉特征的形狀分解形狀分解(shapedecomposition)是根據(jù)體素模型的幾何和拓?fù)浣Y(jié)構(gòu)將復(fù)雜的多分支體素模型分割成若干個具有視覺理解意義的組成部件。對于樹狀體素數(shù)據(jù)，根據(jù)體素模型的分叉特征，將體素模型分解成相應(yīng)的分支，每一個分支對應(yīng)樹狀體的一個部件。形狀分解的關(guān)鍵在于對分叉處構(gòu)造合理的分界面，使部件分割符合人對物體部件的感官理解。2.1.種子點距離變換種子點距離變換，也叫體素編碼(Voxel-Coding)是從種子點體素集合出發(fā)使用特定的編碼規(guī)則或者矩陣對體素模型中的體素點層層擴(kuò)張和編碼的過程。編碼操作的目的是檢測物體的連通性和提取集合特征。完成種子點變換之后，每一個體素點被賦有一個該體素點到種子點集合的最小距離值，即形成到種子點集合的距離場。體素編碼的操作使用"nf-n「n/矩陣(nf、ne、nv都是整數(shù)，且nf<ne<nv)。首先，對體素模型中的所有體素點都賦初始值為無窮大，然后體素編碼從選定的種子點出發(fā)對所有種子點編碼為零，對所有種子點的6個共面體素點、12個共邊體素點和8個共頂點體素點分別編碼為nf、r^和rv接著擴(kuò)張已經(jīng)編碼的體素集合的鄰域。假設(shè)當(dāng)前訪問體素點的編碼值為N，如果其共面點集、共邊點集、共頂點的體素點集的當(dāng)前距離值大于N+nf、N+ne和N+nv，則對這些點分別更新編碼為N+nf、N+ne和N+nv。不斷迭代擴(kuò)張過程直到體素模型中的所有體素點的距離值都不能再改變?yōu)橹?。為了降低計算的?fù)雜度，賦值規(guī)則通常采用整數(shù)來近似歐式。種子點的選取決定于被提取的特征。傳統(tǒng)的最小距離場是將物體邊界體素集合作為種子點出發(fā)得到的體素編碼。以邊界集合作為種子點的編碼形式稱作為邊界種子編碼，即BS編碼(Boundary-SeededCoding)，對應(yīng)產(chǎn)生的距離場稱之為BS場。如果體素編碼只采用單個體素點作為種子點，則稱作單點種子編碼，簡稱SS編碼(SinglePointSeededCoding)，其距離場叫做SS場。在本發(fā)明中，應(yīng)用了以"1-2-3"賦值規(guī)則對根點或末梢點作為單種子點進(jìn)行距離變換，來提取體素模型的分叉特征。2.2.聚類圖請參閱圖3示出本發(fā)明樹狀形體的體素聚類圖示意圖，基于單種子點距離值體素模型分成一系列體素聚類，示意圖中分別標(biāo)示了根聚類、末梢聚類、分叉聚類和一般聚類，圓圈標(biāo)示了體素模型的末梢點，三角形標(biāo)示了體素模型的根點。聚類圖中，定義具有相同種子點距離值的連通體素集合形成一個體素聚類，對應(yīng)的距離值叫做這個體素聚類的編碼值。體素聚類分成根聚類、末梢聚類、分叉聚類和一般聚類四種；所述根聚類是包含根點的體素聚類；所述末梢聚類是包含末梢點的體素聚類，末梢聚類的距離值大于所有相鄰體素聚類的距離值；所述一般聚類是具有兩個相鄰體素聚類的體素聚類；一個相鄰體素聚類的距離值比一般聚類的距離值大l，而另一個相鄰聚類的距離值比一般聚類的距離值小1;所述分叉聚類(branchingcluster)是具有兩個以上相鄰體素聚類的體素聚類，分叉聚類包括分離聚類(dividingcluster)和合并聚類(mergingcluster);分離聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值大1的分叉聚類；合并聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值小1的分叉聚類；通過對分叉聚類的檢測自動判斷體素模型的分叉；當(dāng)分離聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將增加；當(dāng)合并聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將減少。將體素聚類當(dāng)作節(jié)點，按體素聚類鄰接關(guān)系連接節(jié)點就可以得到一個有向圖，稱為聚類圖(clustergraph)。當(dāng)遇到分離聚類時，聚類圖在該分叉處分開成多個分支；當(dāng)遇到合并聚類時，聚類圖在這個分叉處有至少兩條分支聚合，當(dāng)物體內(nèi)部帶有環(huán)狀結(jié)構(gòu)時會有合并聚類出現(xiàn)。2.3.基于區(qū)域生長的分支圖根據(jù)區(qū)域生長的形狀分解思想，基于根點和末梢點的距離場，可分別進(jìn)行兩種區(qū)域生長策略以幫助分解輸入體素模型基于根點的區(qū)域生長和基于末梢點的區(qū)域生長。這兩種區(qū)域生長策略各自獨立，都能用于產(chǎn)生體素模型的分支圖。2.3.1.基于根點的區(qū)域生長基于根點的區(qū)域生長，是從體素模型根點出發(fā)不斷地擴(kuò)張到各分支的末梢的過程，其生長過程類似于植物學(xué)上生長的意義，。在生長的過程中，自動判斷分叉并基于分支情況對物體的每個體素點進(jìn)行分類，一個分支上的體素為一類。根據(jù)根點的"1-2-3"賦值規(guī)則得到距離場，參考該距離場產(chǎn)生的聚類圖。將根點出發(fā)的支路作為一級分支，沿著距離值不斷增大的方向，一旦遇到分離聚類后，說明有新的分支產(chǎn)生，分支數(shù)增加；一旦遇到合并聚類后，說明有分支交匯，分支數(shù)減少；一旦遇到末梢聚類說明有分支終止，分支數(shù)減少。對于分叉的判斷通過分叉聚類的檢測。遇到分離聚類后，對距離值大1的相鄰聚類進(jìn)行競爭，以產(chǎn)生后續(xù)支路之間的等級關(guān)系。根據(jù)觀察，外形上較粗的分支可以看作是分叉前分支的延續(xù)，而外形較細(xì)的分支可以看作是當(dāng)前支路的下級分支。用聚類中體素點的個數(shù)來近似分支粗細(xì)的尺度，定義競爭為比分離聚類編碼值大1的相鄰聚類中，體素個數(shù)最大的體素聚類競爭獲勝作為當(dāng)前支路的延續(xù)；而競爭失敗的體素聚類則作為該支路在此分叉處的新分支。如果遇到合并聚類，競爭定義為比合并聚類編碼值小1的相鄰聚類中，體素個數(shù)最大的體素聚類競爭獲勝并將合并聚類作為該支路的延續(xù)，而競爭失敗的體素聚類則終止其分支。2.3.2.基于末梢點的區(qū)域生長基于末梢點的生長是每個分支從末梢特征點開始出發(fā)，根據(jù)末梢點距離值不斷增大的方向?qū)w素空間進(jìn)行區(qū)域的擴(kuò)張，直到擴(kuò)張覆蓋所有體素點為止。這個"生長"的含義不同于植物生長的生理過程。完成生長的各條分支就是輸入體素模型分解后的各個組成部件，具體的生長規(guī)則如下步驟1:各分支從末梢點出發(fā)向距離值增大的方向生長，生長區(qū)域中的體素標(biāo)記為對應(yīng)分支的編號，直到該路徑上遇到第一個分叉時生長暫停；步驟2:對所有分支達(dá)到的當(dāng)前分叉進(jìn)行檢查假設(shè)在某分叉處有m條支路，如果這m條支路中只有一條支路還沒有被其他部件經(jīng)過(即沒有歸類到某個部件)，那么在這個分叉處的m-l條已歸類的支路將通過競爭產(chǎn)生一個繼承者向這個沒有被標(biāo)記過的支路生長，而競爭失敗的其他部件就終止生長；如果分叉處有不止一條沒有標(biāo)記的分支，則所有到達(dá)此處的支路將等待生長。遍歷所有當(dāng)前分叉，如果沒有一個部件能夠繼續(xù)生長，說明這個數(shù)據(jù)體中含有環(huán)結(jié)構(gòu)，則任意選擇一個分叉競爭出一個分支繼續(xù)生長。分支間的競爭定義為，哪個支路從其末梢點出發(fā)到此分叉處的點距離值最大則這個支路勝出；支路可以有三種不同的生長狀態(tài)可生長、等待生長、終止生長；步驟3:能夠繼續(xù)生長的所有分支繼續(xù)生長直到下一個分叉出現(xiàn)，返回步驟2;步驟4:如果當(dāng)前只有一條支路可生長(其他分支都已終止)，那么它沿著距離值增大的方向走到最大距離值的體素點終止，如果此時沒有未歸類的體素點，即分解完成；如果仍有沒有分類的體素點，這種情況出現(xiàn)在有環(huán)結(jié)構(gòu)的體素模型中，則將未分類的體素點歸類到一個新的分支中，最后分解完成。圖4表示了一個樹狀形體的基于末梢點的區(qū)域生長過程，三角形表示根點，小圓圈表示的是末梢點，大圓圈A、B表示分叉聚類。圖4a中以末梢點為起點，編號為①、②、③三條支路開始生長。圖4b部件①，③走到分叉A，A處只有一條尚未走過的支路，通過競爭產(chǎn)生一個可以繼續(xù)生長的支路，①從末梢點出發(fā)比③從末梢點出發(fā)到達(dá)分叉A所經(jīng)過的路徑距離值大，所以①獲勝可以繼續(xù)生長，③競爭失敗終止生長；支路②走到分叉B處，有兩條尚未走過的分支，所以在原地等待其他部件與其匯合。圖4c①繼續(xù)生長直到分叉B處，此時分叉B處只有一條未走過的分支，所以①與②競爭，①路徑距離大于②，因此①競爭獲勝繼續(xù)生長，②終止生長；圖4d①走完所有上步未分類的體素，完成體素空間的分解。2.3.3.分叉特征中分割面的優(yōu)化對于分支圖中的每個分叉點，進(jìn)行分割面優(yōu)化處理以得到理想的分界效果。具體優(yōu)化過程如下對于每個分叉聚類，兩兩連接比該分叉聚類距離值大1的多個相鄰體素聚類，由該多個體素聚類的重心點連接線段組成多個矢量方向，搜索多個相鄰體素聚類之間在這些矢量方向最短路徑上的所有體素點，標(biāo)記在該最短路徑上的所有體素點不屬于當(dāng)前分支，不在最短路徑上且距離值小于分叉聚類的體素點將標(biāo)記為當(dāng)前分支的編號；對所有體素模型的分叉聚類進(jìn)行完分割面優(yōu)化后，具有同一個分支編號的體素點集合組成一個對應(yīng)該分支的部件，體素模型按分支圖結(jié)構(gòu)分解成多個分支部件完成形狀分解。此優(yōu)化方法消除了一個分支對另一個分支的侵蝕現(xiàn)象，改善了部件之間分界面的效果。圖5a_圖5c中表示分割面的構(gòu)造。圖5a中用圓弧面標(biāo)記了比這個分叉聚類的距離值大1的相鄰體素聚類，黑色箭頭是連接這些相鄰體素聚類重心的矢量方向。圖5b和圖5c分別是優(yōu)化前和優(yōu)化后的效果。2.3.4.分支圖根據(jù)區(qū)域生長過程可獲得不同分支之間的從屬關(guān)系及等級情況。分支圖的建立表明了體素模型的部件結(jié)構(gòu)。分支圖中的節(jié)點由根點、分叉點和末梢點構(gòu)成，其中根點、分叉點和末梢點分別對應(yīng)聚類圖中的根聚類、分叉聚類和末梢聚類。在根點出發(fā)的分支圖中，分支的起點總是體素模型的根點或者分叉點；分支的終點總是分叉點或者末梢點。在分叉點處包含了分支的上下級關(guān)系，例如在分離聚類對應(yīng)的分叉處，競爭失敗的支路是分叉前支路的子分支。不同分支在交叉處得以連接，并且不同分支對應(yīng)原始體素模型中的不同部件。同一個分支上的體素被分類為同一部件。3.骨架提取完成體素數(shù)據(jù)的形狀分解后，體素模型被分成若干個獨立部件。提取各個部件的骨架，然后根據(jù)部件之間的拓?fù)溥B接關(guān)系連接成輸入體素模型完整的結(jié)構(gòu)化中心骨架，這里的結(jié)構(gòu)化對應(yīng)輸入體素模型的拓?fù)浣Y(jié)構(gòu)。3.1.部件骨架由于部件具有較為簡單的拓?fù)浣Y(jié)構(gòu)，采用種子點距離變換的方法可以快速提取骨架。比如基于末梢點生長的算法，在每個部件體素空間中以末梢點為種子點實施點距離變換(形狀分解的過程中已進(jìn)行距離變換，所以不需要重新計算各個部件的種子點距離圖)。沿距離值不斷增大的順序，對每一個等值面都計算出一個重心點，由于部件拓?fù)浣Y(jié)構(gòu)簡單，所以這些重心點可以看作是骨架節(jié)點，骨架節(jié)點之間的連接順序就是按對應(yīng)等值面距離值的遞增順序，所以部件骨架節(jié)點序列是從末梢點出發(fā)，到距離值最大的等值面重心點結(jié)束。對于按等值面距離值遞增1的順序會產(chǎn)生數(shù)目較多的骨架點，所以可以采用適當(dāng)間隔的距離值區(qū)間來產(chǎn)生骨架點，這樣提取的骨架點數(shù)少數(shù)據(jù)壓縮率高，而且增大距離間隔可以減少對噪聲的影響，也減少冗余的細(xì)枝。實驗部分列出了實驗體素模型的距離區(qū)間大小，區(qū)間大小的單位與同距離變換的單位距離值相同。給定一個部件，組成骨架的節(jié)點定義為等值距離間隔的中心。為了處理噪聲數(shù)據(jù)，修正等值距離區(qū)間中的骨架點《，計算公式如下=W,(H)c,一xX,-X其中，e,是距離間隔的重心，禾—,和f,—2表示上兩個等距間隔中的骨架點，巧和w2是調(diào)節(jié)兩項的權(quán)重，公式第一項是光滑約束|H||3.2.結(jié)構(gòu)化骨架通過分支圖的分支關(guān)系連接所有部件骨架匯合成體素模型的結(jié)構(gòu)化骨架。對于一個部件，如果其分支起點是一個分叉點，那么該部件的骨架起點應(yīng)連接到這個分叉處的上級分支上。對于種子點出發(fā)的部件，其分支的起點是不是一個分叉點，則不對其進(jìn)行操作，其他分支會與其連接。處理完所有部件骨架的連接，就得到了體素模型的總體骨架。4.真實植物重建基于骨架進(jìn)行真實植物建模，是通過三維激光掃描儀采集得到真實植物的點云數(shù)據(jù)，用八叉樹的方法將點云數(shù)據(jù)轉(zhuǎn)換成表面體素模型；根據(jù)骨架點位置和骨架點對應(yīng)半徑值構(gòu)造圓臺面，最后重建得到整個真實植物模型的網(wǎng)格模型；骨架點對應(yīng)的半徑是該骨架點到體素模型邊界的最小距離值；半徑的計算由邊界距離場得到，也可以由聚類中的體素在沿骨架垂直方向的投影計算得到，為了對噪聲不敏感可以使用光滑約束修正半徑值。三維模型的骨架提取提供了對三維模型的形狀和結(jié)構(gòu)的高級理解與分析，在虛擬導(dǎo)航、模型簡化、模型匹配與檢索、形變和動畫等方面有著重要應(yīng)用。實驗結(jié)果與結(jié)論本發(fā)明的實驗以Matlab及VC++6.0為開發(fā)工具，在一臺Core(TM)2DuoCPU2.0GHZ，2GB內(nèi)存的PC機(jī)上編程實現(xiàn)。實驗中，使用了三組不同類型的體素模型數(shù)據(jù)來測試算法1、基于數(shù)學(xué)方程構(gòu)造的中心骨架重建獲得的合成體數(shù)據(jù)；2、AMAPGenesis軟件生成合成的植物模型；3、通過激光掃描儀從六個視角獲取的真實植物。表1列出了三組數(shù)據(jù)實例的具體實驗信息，包括輸入體素模型數(shù)據(jù)的體素點個數(shù)、分解后的分支個數(shù)，骨架點采樣的距離間隔，輸出骨架點的個數(shù)。每一組數(shù)據(jù)類型各列出了兩個體素模型實例。表1:實驗數(shù)據(jù)體素模型體素個數(shù)分支個數(shù)采樣間隔骨架點數(shù)結(jié)腸15，39211040帶環(huán)體3，3615571向曰葵12，3671310203<table>tableseeoriginaldocumentpage14</column></row><table>虛擬結(jié)腸和帶環(huán)體素模型屬于第一組數(shù)據(jù)類型。其獲取過程是通過數(shù)學(xué)方程構(gòu)造標(biāo)準(zhǔn)的中心線并對每個骨架點賦予到體素模型邊界的距離值，再由骨架重建得到體素模型。根據(jù)不同的重建方法，結(jié)腸數(shù)據(jù)由其網(wǎng)格模型轉(zhuǎn)換而來，該體素模型只包含整個立體表面上的體素，所以是一個表面體素模型；帶有環(huán)狀結(jié)構(gòu)的幾何體通過圓柱填充三維立體空間的體素，是實心體素模型。附圖6的第一行是一個虛擬結(jié)腸模型在不同視角上的骨架提取實驗結(jié)果；第二行是一個帶環(huán)結(jié)構(gòu)模型的實驗結(jié)果，左側(cè)小圖表示帶環(huán)體輸入體素模型，中間小圖表示帶環(huán)體的骨架提取結(jié)果，右側(cè)小圖為骨架的局部放大圖。圖6第一行圖所示的曲線表示由數(shù)學(xué)方程定義的標(biāo)準(zhǔn)中心線和本算法提取出的骨架?？梢钥吹奖景l(fā)明提取的骨架和標(biāo)準(zhǔn)中心線具有很高的相似程度，對于曲率變化較大的結(jié)腸模型也能保證較高的中心性。圖6第二行圖所示的帶環(huán)體的實驗表明本發(fā)明對于帶環(huán)結(jié)構(gòu)的模型也能有效提取骨架，保留了原始體素模型的拓?fù)浣Y(jié)構(gòu)。附圖7是4個AMAPGenesis軟件生成的植物模型的形狀分解結(jié)果，圖中使用不同灰度表示了體素模型的不同部件，證明本發(fā)明的算法能夠適用于具有不同拓?fù)浣Y(jié)構(gòu)復(fù)雜度的體素模型，包括具有多級分支結(jié)構(gòu)和分叉處含多條分支。附圖8是由AMAPGenesis軟件生成的向日葵和柳樹枝干的體素模型。在圖8中的第1行表示一個向日葵枝干表面體素模型，第2行是一個柳樹枝干體實心體素模型。第1、2與3、4列分別顯示了實驗體素模型在兩個不同視角下的觀察結(jié)果，第1、3列表示了體素模型的形狀分解結(jié)果，從形狀分解的結(jié)果可以看到實驗體素模型被分解成了一系列類似圓柱體的枝條，不同灰度代表輸入體素模型的各個部件，不同部件之間的分界光滑準(zhǔn)確，部件間沒有明顯的侵蝕現(xiàn)象。第2，4列顯示了根據(jù)形狀分解提取出的骨架，可以看到提取的骨架完全保留了輸入體素模型的拓?fù)浣Y(jié)構(gòu)，沒有出現(xiàn)骨架斷裂和多余的雜枝；曲線光滑緊致沒有多余的抖動；有很好的中心性，即使在分叉處也不會偏離中心。真實植物模型的獲取首先通過三維激光掃描儀采集得到植物模型的點云數(shù)據(jù)，然后用八叉樹的方法將點云數(shù)據(jù)轉(zhuǎn)換成表面體素模型。附圖9中給出了兩個真實植物的體素模型，形狀分解、骨架提取和基于骨架的重建結(jié)果。附圖9中從左側(cè)起第一個圖表示了真實植物模型的體素模型以及末梢點的提取，圖中圓圈表示末梢點；從左側(cè)起第二個圖為真實植物模型形狀分解的結(jié)果，不同灰度表示不同部件；從左側(cè)起第三個圖為真實植物模型的骨架結(jié)果，曲線表示從輸入體素模型提取出來的骨架；從左側(cè)起第四個圖為基于骨架重建得到的真實植物模型。重建的過程是根據(jù)骨架點位置和骨架點對應(yīng)半徑值構(gòu)造圓臺面，最后重建得到整個真實植物的網(wǎng)格模型。在圖9可以看到真實模型數(shù)據(jù)在掃描過程中都會附帶不可避免的噪聲，本發(fā)明分解的結(jié)果和提取的骨架對體素模型中的噪聲不敏感。重建得到的新模型與輸入體素模型具有極高的相似程度，并且去除了噪聲。本發(fā)明與Zhang的分級骨架提取算法相比有如下優(yōu)點(l)部件分界面更加合理；(2)本發(fā)明提取的骨架沒有斷裂和雜枝，對噪聲不敏感；(3)本發(fā)明適合于帶環(huán)的形狀，Zhang采用最小擴(kuò)張樹連接骨架不能處理帶環(huán)體；(4)本發(fā)明既能處理實心體素模型也能處理表面體素，Zhang選取骨架候選點依賴邊界距離變換不適用于表面體素模型；(5)本發(fā)明相比Zhang的方法執(zhí)行速度更快，附圖10中的柳樹模型本發(fā)明完成分解和骨架提取的總時間是6.34秒，Zhang算法的執(zhí)行時間是437.43秒。附圖10的第一行表示Zhang分級骨架算法對于柳樹樹干體素模型的實驗結(jié)果，第二行表示本發(fā)明對同一個體素模型的實驗結(jié)果。圖10中右側(cè)一列表示該體素模型的形狀分解結(jié)果，可見本發(fā)明比Zhang的方法具有更合理的部件分界，圖10中央的一列表示對于輸入體素模型的骨架提取結(jié)果，圖左側(cè)一列為骨架提取的局部放大圖，可見本發(fā)明提取的骨架相比Zhang的方法沒有斷裂與雜枝，且中心性高。以上所述，僅為本發(fā)明中的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。權(quán)利要求一種基于分叉特征的三維骨架快速提取方法，其特征在于，步驟包括步驟1輸入體素模型數(shù)據(jù)，基于種子點距離場自動獲取樹狀體素模型的基本幾何特征點為“根點”和“末梢點”；步驟2對體素模型的根點和末梢點分別進(jìn)行單點種子點距離變換，獲得體素模型根點和末梢點的距離場；將距離場中距離值相同并且互相連通的體素集合構(gòu)成一個體素聚類，以每個體素聚類作為節(jié)點，按種子點距離值從小到大的方向連接每個相鄰體素聚類得到聚類圖；沿著聚類圖的方向，實施基于根點和末梢點的區(qū)域生長策略，區(qū)域生長策略是從體素模型根點或末梢點出發(fā)每生長一步檢測當(dāng)前體素聚類是否為分叉聚類，如果是，則標(biāo)記該體素聚類為分叉聚類；如果不是分叉聚類，則不進(jìn)行標(biāo)記；直到所有體素聚類都檢測完為止；選取檢測到的分叉聚類的重心點作為分叉點，按聚類圖方向連接根點、分叉點和末梢點形成分支圖；根據(jù)分支圖對體素模型中的每個體素點進(jìn)行分類，同一個分支上的體素點為一類部件，并且在分叉處進(jìn)行分割面優(yōu)化用于保證體素模型部件之間分界合理，最后得到基于分叉特征的形狀分解，輸入的體素模型被分解為若干個部件；步驟3根據(jù)部件對應(yīng)的末梢點距離場，在每個部件中提取各自的部件骨架；最后按分支結(jié)構(gòu)將所有部件骨架連接成結(jié)構(gòu)化的完整骨架。2.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，所述基本幾何特征點提取是計算樹狀體素模型的根點和末梢點，首先在輸入體素點集合中任意選取一個體素點作為單點種子點進(jìn)行種子點距離變換，在該種子點距離場中最后一個被訪問并賦予距離值的點就被選取為輸入體素模型的根點；選取了根點之后，以根點作為單點種子點進(jìn)行距離變換，在根點距離場中每一個的局部最大類對應(yīng)了一個末梢點。3.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，區(qū)域生長策略分為基于根點的區(qū)域生長和基于末梢點的區(qū)域生長；所述基于根點的區(qū)域生長，首先以根點作為單個種子點并用"1-2-3"矩陣對體素模型進(jìn)行距離變換，獲得根點距離圖；其次從根點出發(fā)沿著根點距離值不斷增大的方向進(jìn)行擴(kuò)張直到各分支的末梢；所述基于末梢點的區(qū)域生長是將每個末梢特征點作為單個種子點，用"l-2-3"矩陣對體素模型進(jìn)行距離變換；根據(jù)末梢點距離值不斷增大的方向?qū)w素空間進(jìn)行區(qū)域的擴(kuò)張，直到所有體素點都被擴(kuò)張到為止。4.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，聚類圖中具有相同種子點距離值的連通體素集合形成一個體素聚類，體素聚類分成根聚類、末梢聚類、分叉聚類和一般聚類四種；所述根聚類是包含根點的體素聚類；所述末梢聚類是包含末梢點的體素聚類，末梢聚類的距離值大于所有相鄰體素聚類的距離值；所述一般聚類是具有兩個相鄰體素聚類的體素聚類；一個相鄰體素聚類的距離值比一般聚類的距離值大l，而另一個相鄰體素聚類的距離值比一般聚類的距離值小1;所述分叉聚類是具有兩個以上相鄰體素聚類的體素聚類，分叉聚類包括分離聚類和合并聚類；分離聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值大一的分叉聚類；合并聚類是至少有兩個相鄰體素聚類的距離值比該分叉聚類的距離值小一的分叉聚類；通過對分叉聚類的檢測自動判斷體素模型的分叉；當(dāng)分離聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將增加；當(dāng)合并聚類出現(xiàn)后，當(dāng)前區(qū)域生長中的分支數(shù)將減少。5.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，所述分支圖具有多個分支，其中分支圖中的節(jié)點由根點、分叉點和末梢點構(gòu)成，該根點、分叉點和末梢點分別對應(yīng)聚類圖中的根聚類、分叉聚類和末梢聚類，選取分叉點為分叉聚類的中心點；根點或者分叉點是不同分支的起點；分叉點或者末梢點是不同分支的終點；在每個分叉點處，對分叉后的分支進(jìn)行競爭產(chǎn)生分支之間的等級關(guān)系，該分支的競爭為在比當(dāng)前分叉聚類距離值大1的相鄰體素聚類中，選取體素聚類體素點數(shù)最多的一個體素聚類作為當(dāng)前分支的延續(xù)，而競爭失敗的體素聚類則標(biāo)記為該級分支的下級分支，競爭獲勝的體素聚類所在分支是該多個下級分支的上級分支。6.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，分割面的優(yōu)化如下所述對于區(qū)域生長中遇到的分叉聚類兩兩連接比該分叉聚類距離值大1的多個相鄰體素聚類，由該多個體素聚類的重心點連線組成多個矢量方向，搜索多個相鄰體素聚類之間在矢量方向最短路徑上的所有體素點，標(biāo)記在該最短路徑上的所有體素點不屬于當(dāng)前分支，不在最短路徑上且距離值小于分叉聚類的體素點將標(biāo)記為當(dāng)前分支的編號；對所有體素模型的分叉聚類進(jìn)行完分割面優(yōu)化后，具有同一個分支編號的體素點集合組成一個對應(yīng)該分支的部件，體素模型按分支圖結(jié)構(gòu)分解成多個分支部件完成形狀分解。7.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，對于每個部件骨架，是根據(jù)末梢點距離場在部件等間隔的距離層中計算間隔的重心并修正重心位置成為骨架節(jié)點；骨架節(jié)點之間按相鄰的距離間隔進(jìn)行連接而得到部件的骨架；骨架節(jié)點具體步驟如下(1)計算等距離間隔t中的重心^;(2)計算骨架節(jié)點《，<formula>formulaseeoriginaldocumentpage3</formula>義,-,和《-2表示上兩個等距間隔中的骨架點，巧和W2是調(diào)節(jié)兩項的權(quán)重，公式第一項是光滑約束<formula>formulaseeoriginaldocumentpage3</formula>8.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，所述體素模型，該體素模型的結(jié)構(gòu)化骨架是通過分支圖的分支結(jié)構(gòu)及等級關(guān)系連接所有部件骨架匯合成；如果一個部件骨架對應(yīng)的分支起點是一個分叉點，則該部件骨架的骨架起點應(yīng)連接到分叉處的上級分支上；對于種子點出發(fā)的部件骨架，其分支的起點不是一個分叉點則不對其進(jìn)行操作，其他分支會與該種子點出發(fā)的部件骨架相連接；處理完所有部件骨架的連接，就得到了體素模型的結(jié)構(gòu)化骨架。9.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，還包括，基于骨架對真實植物進(jìn)行建模，是通過三維激光掃描儀采集得到真實植物的點云數(shù)據(jù)，用八叉樹的方法將點云數(shù)據(jù)轉(zhuǎn)換成該真實植物的表面體素模型；對該真實植物的體素模型提取結(jié)構(gòu)化骨架，根據(jù)骨架點位置和骨架點對應(yīng)半徑值構(gòu)造圓臺面，最后重建得到整個真實植物模型的網(wǎng)格模型；骨架點對應(yīng)的半徑是該骨架點到體素模型邊界的最小距離值；半徑的計算由邊界距離場得到，也可以由聚類中的體素在沿骨架垂直方向的投影計算得到，為了對噪聲不敏感可以使用光滑約束修正半徑值。10.如權(quán)利要求1所述的基于分叉特征的三維骨架快速提取方法，其特征在于，輸入體素模型中具有形狀和形式，如下所述所述輸入體素模型的形狀包括帶環(huán)結(jié)構(gòu)的形狀和不帶環(huán)結(jié)構(gòu)的形狀；帶環(huán)結(jié)構(gòu)的形狀是體素模型中包含回路的形狀；不帶環(huán)結(jié)構(gòu)的形狀是體素模型中不包含回路的形狀；所述輸入體素模型的形式包括實心體素模型和表面體素模型；實心體素模型是體素點全部填充體素模型內(nèi)部的體素模型；表面體素模型是體素點只覆蓋體素模型表面的體素模型。全文摘要本發(fā)明為基于分叉特征的三維骨架快速提取方法，首先對樹狀體素模型自動提取根點和末梢點；其次對體素模型的根點和末梢點進(jìn)行種子點距離變換，根據(jù)根點或末梢點出發(fā)的區(qū)域生長策略，自動判斷分叉特征并優(yōu)化分割面，將對象分解成有意義的部件且部件之間分界合理；最后，提取體素部件骨架并連接成對象的結(jié)構(gòu)化骨架?；诜植嫣卣鞯墓羌芴崛》椒焖儆行?，結(jié)構(gòu)化的整體骨架保持了原始體素模型的拓?fù)浣Y(jié)構(gòu)不會產(chǎn)生斷裂和多余的雜枝。基于骨架進(jìn)行真實植物建模能夠處理真實的掃描數(shù)據(jù)，具有抗噪聲的能力且重建準(zhǔn)確度高。對多個數(shù)據(jù)集的測試說明本發(fā)明適用于帶有環(huán)狀結(jié)構(gòu)的形體，能處理表面體素模型以及實心體素模型。文檔編號G06T17/00GK101763652SQ20091008518公開日2010年6月30日申請日期2009年6月3日優(yōu)先權(quán)日2009年6月3日發(fā)明者張曉鵬,項波申請人:中國科學(xué)院自動化研究所