基于网格显著度视点质量计算方法.docVIP

基于网格显著度视点质量计算方法 　　摘 要:从模糊贴近度的角度,结合网格显著度概念,给出了一种新的视点质量计算方法。首先将场景中的每个三角形看做论域中的一个样本,从可见度大小的角度定义隶属函数,为视点构造一个模糊集合;然后结合三角形的几何面积及面片显著度给出一个对应理想视点的模糊集;最后求取两个模糊集合的贴近度作为视点质量的评价准则。实验结果表明,该算法能够较好地反映视点质量。 　　关键词:视点质量; 网格显著度; 模糊贴近度 　　中图分类号:TP391文献标志码:A 　　文章编号:1001-3695(2009)09-3523-03 　　doi:10.3969/j.issn.1001-3695.2009.09.092 　　 　　Viewpoint quality computing method based on mesh saliency 　　ZHAO Jian, XU Jiang-bin, WU Ling-da 　　(College of Information Systems Management, National University of Defense Technology, Changsha 410073, China) 　　Abstract:This paper put forward a new method , which combined the notion of mesh saliency and fuzzy nearness. First, it constructed a fuzzy set for the viewpoint. The elements of the set were faces in the scene, and based membership function on the visibility of faces. Then, defined a ideal fuzzy set, the membership degree was in proportion to the mesh saliency weighted fact area of the face. Finally, took the fuzzy nearness of these two fuzzy set as the measure of viewpoint quality. The experiment results show that this method works well. 　　Key words:viewpoint quality; mesh saliency; fuzzy nearness 　　 　　视点质量在计算机图形学领域有着相当广泛的应用,如自由漫游[1]、场景理解[2]、光线跟踪[3]、科学计算可视化[4]、基于图像的建模与绘制[5]、三维模型的简化[6,7]等。虽然视点质量的应用如此广泛,但到目前为止,对于视点质量仍然没有一个明确的定义。目前,得到普遍认可的一种说法是:从某一个视点观察场景所获得的信息越多,则该视点的质量越好[8]。从这一角度出发,国内外学者给出了许多衡量视点质量的标准。这些评价标准的出发点主要集中于场景的几何信息,如可见面数量和投影面积的大小,而忽略了场景本身所具有的视觉特性。本文提出了一种新的视点质量计算方法,在视点质量的计算过程中融入了网格显著度因素,使得视点质量不仅能够反映场景的几何信息,而且能够反映场景的视觉信息。 　　 　　1 相关工作 　　 　　Kamada等人[9]提出了一种使场景中退化面片的数量达到最小的方法来衡量视点的质量,但其仅仅考虑了视线与面片法向之间的夹角。Plemenos等人[10]扩展了Kamada的算法,他们认为当视线与面片法向夹角的最大值较小,且可见面片的数量较大时该视点的质量较好。 　　V?~zquez等人[11,12]从信息论的角度提出了一种基于信息熵的视点质量评价标准,即将场景看做一个信源,场景中的每个面片看做信源符号,定义信源符号的出现概率为面片投影面积与屏幕分辨率的商。这种评价方法存在一个缺点,即视点熵受网格细化程度影响较大,同一区域,细化程度越高,则视点熵越大。 　　Sbert等人[8]提出了一种根据两概率分布之间的KL距离(Kullback-Leibler distance)计算视点质量的方法,即将面片的原始几何面积看做一个概率分布,将面片的投影面积看做一个概率分布,当两个概率分布的KL距离越小时,视点的质量越好。这种计算方法没有考虑背景的影响,适用于封闭场景中的视点质量评价,但对于开放场景,当视点拉远或拉近时,按照这种方法计算的视点质量没有改变。 　　Feixas等人