论文部分内容阅读
三维网格序列动画(DMS)如今在计算领域中的地位日益突出,其被广泛的应用于不同的领域中,如三维房产建模、三维家具摆放和三维军事模拟等。由于三维技术所产生的模型越来越逼真,以至于DMS需计算机处理的信息量日益剧增。因此对DMS的压缩是至关重要的,其影响着用户在客服端的体验效果。同时由于计算机硬件资源的有限,这将成为网格动画在计算机领域发展的瓶颈。因此设计有效的压缩算法是必要的。所以,本文在该文章中针对DMS提出了一种新颖的聚类算法框架来去除空域和时域上的冗余,从而提高三维网格序列动画的压缩率,并为实现渐渐传输打下基础。为了去除三维网格序列动画的时域冗余,本文提出了一种高效准确且满足人类视觉需求的DMS时域帧聚类算法,且可用于DMS的渐进传输。第一步,本文通过局部运动相似性度量方法对DMS分类边界进行划分;接着本文将局部运动相似的非分类边界顶点进行聚类,并用关键点代表聚类区域,从而减少相应的计算成本;最后本文构建三维网格序列动画的显著性模型将时域聚类问题转换成帧之间的显著性值相似度评估。这里使用显著性值来衡量模型的运动剧烈程度,这样不但使聚类结果更准确同时还能极大的满足用户的视觉需为了进一步提高三维网格序列动画的压缩率,本文在上述时域聚类的基础上有效的利用DMS在三维空间中的冗余信息(空域冗余),设计了一种新颖的DMS空域帧聚类算法。本文使用基于三维网格坐标值预测的方法将关键帧与每类中的其余帧进行差值计算,将得到差值矩阵视为每一帧网格上的信号。然后,根据空间连续性对每一类的关键帧进行空间分割从而进一步减少空域冗余。为了进一步优化DMS的网格信号,本文在三维网格的x,y,z方向构建轨迹矩阵,然后执行PCA降维,将得到的PCA系数作为一种网格信号。最后通过将这三种网格信号进行图傅里叶变化(GFT)和CSPECK编码实现进一步的压缩。实验结果表明该算法不仅可以取得较好的重构效果和压缩效果,并且得到的压缩率和重构误差优于现有的几种算法,在视觉上也极大的满足人类的需求。