专利名称：一种三维点模型数据去噪方法
技术领域：
本发明涉及一种基于模糊C均值和双边滤波的三维点模型数据去噪方法，该方法适用于医学、航空航天、机械制造、考古等由三维扫描设备获取的三维点模型数据去除噪声，属于计算机图形技术领域。
背景技术：
随着医学辅助诊断、航天模拟、工业设计、建筑工程、考古、逆向工程、影视娱乐等等应用需求的推动，依托和围绕三维数字数据的研究越来越受到关注。对于具有精致的表面细节和几何信息丰富的物体，利用激光扫描仪来获取其三维数字模型是当前最为合理和有效的方法。随着三维扫描仪硬件设备和处理软件地不断更新，以三维扫描仪为硬件基础的三维数据获取系统既可获取几何信息又可获得表面纹理颜色信息，另一方面硬件价格的 不断下降，为三维扫描技术的推广和普及带来了机遇。三维扫描仪的输出通常是模型的大量离散点云数据，这些采样点包含了物体的几何表面特征信息，可以方便地重建出物体的数字模型，并可以进行编辑、绘制等操作。然而即使是高质量的扫描设备，输出的采样点信息都会受到噪声的污染，所以在对点模型做进一步操作之前必须进行降噪处理。去噪的目的是在获取离散曲面更高阶光滑性的同时，尽量防止模型产生收缩和过光顺。目前，点模型去噪算法中具有代表性的是Jones等提出了一个非迭代的特征保持的双边滤波算法，虽然该方法可以通过控制顶点相邻区域的大小来保持网格模型的特征，而且可以应用到点云数据和非流形曲面，但是该算法的弊端也在于顶点的相邻区域的选择，当邻域过大，处理时则需要大计算量来寻找邻域；当邻域过小，则不能有效地光顺一些稍大的噪声，甚至增强这些噪声。对于海量的点模型数据的去噪，如何在保证原始模型表面特征的前提下，提高去噪速度是国内外很多学者都在努力研究的问题。
发明内容
为了克服现有技术不能兼顾保持点模型特征信息和去噪速度的不足，本发明提出了一种基于模糊C均值和双边滤波的三维点模型数据去噪方法，首先利用模糊C均值聚类区分大尺度噪声数据和其他数据，然后对于剩余的小尺度噪声和非噪声点应用双边滤波去噪方法，达到最终的去噪效果。本发明为实现上述目的采用的技术方案是包括以下步骤
(1)设有N个点的数据集P，定义数据点&的包围球内所含邻近点个数的阈值，
(2)判断数据点&包围球内邻近点个数是否小于给定阈值，I;如果数据点&包围球内邻近点个数小于给定阈值，将其去除；如果数据点Pj包围球内邻近点个数大于或等于给定阈值，对数据点A所在包围球内的点集合D使用模糊C均值算法进行聚类，求出数据集P的模糊C均值聚类中心集C，使用聚类中心组成的数据点聚类中心集C代替原始的数据集P作为新的数据点集；当数据点集合P中的所有点都经过处理后，得到去除大尺度噪声后的包含小尺度噪声和非噪声点的新数据集Q ；
(3)利用点云双边滤波方法对新数据集Q中小尺度噪声数据进行去噪，先对新数据集Q中每一个数据点Qi求出它周围的邻近点，再对每个邻近点求出双边滤波函数的参数，计算双边滤波权因子，最后更新数据点的位置；
(4)当新数据集Q中每一个数据点Ch都更新后，得到去除噪声后的数据点集合R。本发明的有益效果是在实现对三维点模型数据去除噪声的前提下，将噪声分为大尺度噪声和小尺度噪声，分别采用不同的方法处理，因此，数据去噪速度更快，去噪之数据的原始特征保持得更好，兼顾了去噪操作的速度和点模型原始特征的保持。
图I是本发明方法结构示意图； 图2是模糊C均值去除大尺度噪声示意 图3是本发明去除大尺度噪声得到小尺度噪声和非噪声点的数据的具体流程 图4是本发明应用保特征的双边滤波方法去除小尺度噪声的具体流程 图5是应用本发明方法去噪效果图。
具体实施例方式图I显示了本发明的结构示意图，本发明将三维点模型数据的噪声分为大尺度噪声和小尺度噪声分别应该不同的方法进行处理用模糊C均值聚类方法去除大尺度噪声，对噪声点和数据点进行聚类，然后用双边滤波器迭代点云方法对小尺度噪声进行光顺，既去除了噪声又基本保持了模型的尖锐特征。参见图I和图2，设有N个点的数据集…，aJ，N为数据点个数。定义数据点Pi的包围球内所含邻近点个数的阈值，判断数据点Pj包围球内邻近点个数是否小于给定阈值。利用模糊C均值算法去除数据集P中大尺度噪声，得到包含小尺度噪声和非噪声点的数据。如图3所示，具体方法包括以下内容
如果数据点&包围球内邻近点个数小于给定阈值，将其当做大尺度噪声点，将其去除。例如在图2中定义数据点&包围球内所含邻近点个数的阈值为2，则图2 (a)中点I和点2均是噪声点，因为其邻近点个数均为1，小于给定阈值，因此判定该点为噪声点，将其去除。点3是噪声点，但其邻近点个数等于2，也就是不小于给定阈值，因此该点被判定为数据点，用聚类方法将此点移向包围球中的聚类中心点。如果数据点&包围球内邻近点个数大于或等于给定阈值，若数据点Pj所在包围球内的点集合D ={^，4，一，幻，对D使用模糊C均值算法进行聚类，采用公式
m C1
-Ck\\ ,1 < W Soo来求得数据集P的模糊C均值聚类中心集
c, C=^1, C2,其中参数Ck是聚类中心，k=l,…，C, P Jk是数据点t/j相对聚类中心
ck的隶属度，表示V属于第A类的概率， 是模糊系数，//，c是待求参数。使用聚类中心组成的数据点聚类中心集合C代替原始的数据集P作为新的数据点集。如图2(b)中点I、点2和点3都是噪声，但其邻近点均不小于2，也就是不小于给定阈值，因此该点被判定为数据点，用聚类方法将此点移向包围球中的聚类中心点，可以看出保留了模型表面的特征，未出现过平滑现象。当数据点集合P中的所有点都经过处理之后算法结束，得到去除大尺度噪声后的包含小尺度噪声和非噪声点的新数据集Q。从图2可以看到本发明可以去除部分大尺度噪声，一小部分大尺度噪声会向数据点移动，小尺度噪声也不能被去除，只是对这些噪声点进行部分平滑。利用点云双边滤波方法对新数据集Q中剩余的小尺度噪声数据进行去噪。如图4所示，具体方法包括以下内容
对于上一个步骤所得的新数据集Q中每一个数据点如求出它周围&个近邻点kw J=I,…，mq。对每个邻近点求出双边滤波函数的参数X = || ,^ I , z为点Qi到
邻近点b的距离；计算特征保持权重函数的参数/ = Ini , , 7为点Qi与邻
近点的距离向量ku和点法向的内积，双边滤波函数的参数I Cr)和Zfs(F)都
是标准高斯滤波，计算公式为和If5⑶=^2况其中，参数O
。是数据点&到邻居点的距离对该点的影响因子，参数σ s以是数据点&到邻近点的距离向量在该点法向量A上的投影对数据点&的影响因子。将ICr)和Zfs(F)代入
g = -—^-r--/- ——·，计算出双边滤波权因子^其
Σ 續^身^ })
V觸
中N(%)是数据点&的的邻居点，ICr)和Zfs(F)是步骤3. 2中的双边滤波函数的参数。计算经过滤波后的新数据点= Qi是点&的法向量，a是步骤3. 3中的计算得
到的双边滤波权因子。当数据集Q中每一个数据点<7/都经过步骤3. 4中的公式= <7,. + / ,.重新计算后，方法结束，得到去除噪声后的数据点集合R。图5是对Bunny-IH点模型(10041个点)应用本发明方法去噪效果图。其中，图5(a)是噪声模型，图5(b)为用模糊C均值方法去噪后的效果，可以看出一部分大尺度噪声被去除，其余一部分大尺度噪声和小尺度的噪声被部分光顺.图5 (c)是Bunny-IH模型经过双边滤波方法光顺后的效果，图5(d)显示本发明较好地保持了原有模型的表面特征细节。可以看出，在模型同时包含大、小尺度噪声时，本发明比直接采用双边滤波方法要好很多，在保持模型表面特征的情况下噪声可以很好的去除，并且在尖锐特征处也不会产生过光顺。以上所述的实例只是用于说明本发明，而不构成对本发明的限制。本领域的技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种修改和变更，这些修改和变更仍然在本发明的保 护范围内。
权利要求
1.一种三维点模型数据去噪方法，其特征是包括以下步骤 (1)设有N个点的数据集P，定义数据点A的包围球内所含邻近点个数的阈值， (2)判断数据点&包围球内邻近点个数是否小于给定阈值，I;如果数据点&包围球内邻近点个数小于给定阈值，将其去除；如果数据点Pj包围球内邻近点个数大于或等于给定阈值，对数据点A所在包围球内的点集合D使用模糊C均值算法进行聚类，求出数据集P的模糊C均值聚类中心集C，使用聚类中心组成的数据点聚类中心集C代替原始的数据集P作为新的数据点集；当数据点集合P中的所有点都经过处理后，得到去除大尺度噪声后的包含小尺度噪声和非噪声点的新数据集Q ； (3)利用点云双边滤波方法对新数据集Q中小尺度噪声数据进行去噪，先对新数据集Q中每一个数据点Qi求出它周围的邻近点，再对每个邻近点求出双边滤波函数的参数，计算双边滤波权因子，最后更新数据点的位置； (4)当新数据集Q中每一个数据点Ch都更新后，得到去除噪声后的数据点集合R。
全文摘要
本发明公开一种基于模糊C均值和双边滤波的三维点模型数据去噪方法，设有N个点的数据集P，定义数据点pj的包围球内所含邻近点个数的阈值，判断数据点pj包围球内邻近点个数是否小于给定阈值，利用点云双边滤波方法对新数据集中小尺度噪声数据进行去噪，先对新数据集中每一个数据点求出它周围的邻近点，再对每个邻近点求出双边滤波函数的参数，计算双边滤波权因子，最后更新数据点的位置；当新数据集中每一个数据点都更新后，得到去除噪声后的数据点集合；本发明在实现对三维点模型数据去除噪声的前提下，将噪声分为大尺度噪声和小尺度噪声，分别采用不同的方法处理，数据去噪速度更快，去噪之数据的原始特征保持得更好。
文档编号G06F17/30GK102880700SQ20121035754
公开日2013年1月16日 申请日期2012年9月24日 优先权日2012年9月24日
发明者顾晓清, 倪彤光, 汪巍, 李玉 申请人:常州大学