基于神经网络的几何模型区域分割算法

摘要

三维模型简化是近年来计算机图形学中的一个研究热点,现有的简化算法多从全局出发,对几何模型的各个部位统一进行简化,因此模型简化后大量的细节特征丢失.针对三维模型简化中保留细节特征的需要,提出了一种基于自组织特征映射神经网络的三维模型区域分割算法.首先计算三维几何模型中每一顶点的特征向量,然后利用该向量作为自组织特征映射神经网络的输入模式实现对三维模型的聚类分割,最后采取提出的相关性最大准则对过分割区域进行合并,得到最终分割结果.实验表明,该方法能有效地分割出模型的细节区域,满足三维模型简化中保留细节特征的需要.