一种基于三维模型几何信息的纹理图像压缩方法
【技术领域】
[0001] 本发明设及图像处理领域，尤其设及一种的纹理图像压缩方法。
【背景技术】
[0002] 随着计算机图形学理论基础W及相关软硬件技术不断成熟，=维建模技术逐渐地 融入了互联网应用，在web3D电子商务中取得了重要的应用，使得用户在网络环境中也可 W得到类似现实世界的体验。然而，高精度=维扫描及重建技术在满足用户对虚拟场景及 物体模型真实感的需要的同时，也造成了模型数据和纹理数据量十分庞大。运些数据不仅 占据了大量的存储空间，还降低了模型传输和加载的速度，严重影响网络用户的体验，也制 约了Web3D的发展。研究人员通过几何信息和纹理信息压缩W减少数据量，经过多年的发 展，几何信息压缩方面已经取得了较多的研究成果，而=维模型纹理图像的压缩仍是图形 学领域关注的热点问题之一。根据压缩研究方向的发展阶段，纹理压缩算法可W分为两类： 1.基于图像特性的纹理图像压缩算法；2.基于映射特性的纹理压缩算法。
[0003] 综上所述，基于图像特性的纹理图像压缩算法关注点在于图像的内容、数据类型、 频域特性等各种二维特征。并没用利用到纹理数据由=维空间到二维空间的生成过程或是 由二维空间映射到=维空间的贴图过程中的各种特性。基于映射特性的纹理压缩算法利用 纹理像素到模型表面的映射过程中的特性，对纹理空间内的数据完成一些特殊的操作。
[0004] 对=维图形数据进行压缩编码的研究通常分为对网格数据的压缩和纹理图像的 压缩运两个相对独立的部分，很少有人关注利用二者的关联特性对运两种数据进行关联的 压缩编码和压缩。本发明使用网格几何信息来研究降低纹理局部区域分辨率的代价，利用 网格的几何信息确定纹理图像的重要区域，实现纹理图像感兴趣区域数据的优先压缩和传 输。
【发明内容】
阳〇化]为了解决现有技术中的问题，针对传统的基于机器视觉方法产品缺陷检测适用对 象的局限性W及压缩过程中如何求取纹理图像上人眼感兴趣区域的问题进行深入研究，本 发明提出了一种基于=维模型几何信息的纹理图形压缩方法，该方法取得了纹理图像的感 兴趣区域并提高了感兴趣区域和背景的区分精度，能够利用网格的几何信息确定纹理图像 的重要区域，实现纹理图像感兴趣区域数据的优先压缩和传输。
[0006] 本发明通过W下技术方案实现：
[0007] 一种基于=维模型几何信息的纹理图形压缩方法，其特征在于：所述方法首先对 原始图形进行预处理，确定感兴趣的区域R0I，W生成ROI区域模块；然后利用ROI区域模 版对预处理后的图形作小波变换，对ROI对应的小波变换系数进行提升或降低背景系数， 接下来对感兴趣形状和位置信息编码传输；其中，确定感兴趣的区域R0I，W生成ROI区域 模块具体为：利用模型网格数据求取纹理图像上的人眼感兴趣区域，根据纹理的视觉表现 形式，提取了代表=维模型多分辨率重网格化后表面细节信息的=维特征点及其在纹理空 间上的映射点作为纹理特征点；根据图像空间的连续性，利用K-means聚类算法对图像中 的特征点进行了类聚合，取得了纹理图像的感兴趣区域并提高了感兴趣区域和背景的区分 精度。
[0008] 作为本发明的进一步改进，用分辨率方法处理=维图形，将模型分为粗糖的基网 格和加入不同程度细节信息的多个层次，为网格建立四叉树结构，方便提取=角网格在不 同尺度下的几何信息；所述模型网格数据采用IgorGuskov的基于多分支的半正则重网格 化处理得到。
[0009] 作为本发明的进一步改进，在压缩时去除贴图前纹理图像中的背景像素。
[0010] 作为本发明的进一步改进，所述K-means聚类算法对图像中的特征点进行了类聚 合具体为：首先将纹理的特征点集合看作未聚类的初始点集，随机选取个种子点作为待聚 合的类的中屯、点；然后计算每个特征点到聚类中屯、的距离，并聚类到离该点最近的聚类中 去；随后计算每个聚类中所有点的坐标平均值，并将运个平均值作为新的聚类中屯、；最后 重复计算每个点到聚类中屯、的距离，并归类到离该点最近的类中去，直到算法的结果收敛， 记录完整包围一个类所有特征点的矩形区域。
[0011] 作为本发明的进一步改进，所述对ROI对应的小波变换系数进行提升或降低背景 系数具体为：提取的纹理ROI区域进行六层金字塔迭代运算后生成二值化的小波系数模 板，需要保留的小波系数包括高频带中感兴趣区域的小波系数W及低频带的全部系数；采 用最大位移法提升或降低处理的小波系数。
【附图说明】
[0012] 图1是本发明的基于=维模型几何信息的纹理图形压缩方法流程图；
[0013] 图2是S角面的1-4细分结构示意图；
[0014] 图3是边和顶点的四叉树结构示意图；
[0015] 图4是顶点预测位置的差值向量示意图；
[0016] 图5是纹理图像的特征点提取结果示意图，其中，图5(a)是BucMha的背部，图 5化）是BucMha的头部，图5(C)是R油bit的躯干花纹，图5(d)是R油bit的脸部右侧，图 5(e)是Bear的身体一侧，图5(f)是Bear的全局纹理，图5(g)是Bear的面部，图5OOBear 的前肢；
[0017] 图6是通过聚类算法得到的纹理图像ROI区域示意图，其中，图6(a)是Bear的底 座，图6化）是Bear的头部，图6 (C)是Bear的腿和脚，图6 (d)是Bear全局贴图；
[0018] 图7是最大位移法提升后的小波系数示意图，其中，图7(a)是纹理图像，图7化） 是六层小波变换黑色图像，图7(c)是小波系数提升模板，图7(d)是提升后的小波系数。
[0019] 本发明的有益效果是：本发明提出了一种基于=维模型表面信息的纹理图像压缩 方法，利用模型网格数据求取纹理图像上的人眼感兴趣区域，根据纹理的视觉表现形式，提 取了代表=维模型多分辨率重网格化后表面细节信息的=维特征点及其在纹理空间上的 映射点作为纹理特征点，根据图像空间的连续性，利用K-means聚类算法对图像中的特征 点进行了类聚合，取得了纹理图像的感兴趣区域并提高了感兴趣区域和背景的区分精度。
【具体实施方式】
[0020] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。
[0021] 本发明中所描述的=维模型可W从基于图像的=维建模方法中获得，也可W从能 够生成纹理的=维扫描设备中获得。进行纹理图像压缩时，必须有=维模型、纹理图像及纹 理坐标关系。
[0022] 附图1所示的是本发明的基于=维模型几何信息的纹理图形压缩方法流程，首先 对原始图形进行预处理，然后确定感兴趣的区域R0I，W生成ROI区域模块，利用ROI区域模 版对预处理后的图形作小波变换，对ROI对应的小波变换系数进行提升或降低背景系数， 接下来对感兴趣形状和位置信息编码传输。接收到传输的量化编码数据后，对感兴趣形状 和位置信息解码，然后对感兴趣区域对应的系数下移，进行小波逆变换、预处理变换后重建 图像。
[0023] 本发明的基于=维模型几何信息的纹理图形压缩方法利用模型网格数据求取纹 理图像上的人眼感兴趣区域，根据纹理的视觉表现形式，提取了代表=维模型多分辨率重 网格化后表面细节信息的=维特征点及其在纹理空间上的映射点作为纹理特征点；根据图 像空间的连续性，利用K-means聚类算法对图像中的特征点进行了类聚合，取得了纹理图 像的感兴趣区域并提高了感兴趣区域和背景的区分精度。
[0024] 纹理图像呈现在人眼的状态则和普通图像不同。一方面，贴图前纹理图像中的背 景像素，在贴图后完全没有映射到模型表面，运部分信息对于观察模型时的人眼完全不可 见，可W考虑在压缩时去除。另一方面，人眼对模型的感兴趣区域多集中于表面细节丰富的 区域，在网络传输中，运部分信息应当被优先传达到客户端。所W，纹理图像的压缩过程中， 应当充分考虑感兴趣区域的优先传输。
[00巧]纹理贴图中由纹理坐标系到设备坐标系的变换，往往便是纹理映射的逆过程。给 定空间曲面FGR2,对于F中的任一点（X，y，Z)，通过纹理映射O找到它在参数域中的对 应点（U，V)，即：
[0026] 軒，化句€扩.卡艰沁化辕JJ] -I朗
[0027] 纹理映射函数O满足使输入集合和输出集合互为单射关系的条件。所有的模型 空间点坐标（x，y，z)及其在纹理空间的对应坐标（u，v)都是S维模型数据中已知的部分， 因此不妨先提取=维模型网格顶点中的特征顶点，然后将其映射到纹理坐标系中，即可得 出纹理图像上感兴趣区域中的特征点。运些特征点一定分布在贴图后纹理的可见性区域， 并且集中在人眼所感兴趣的模型表面几何信息复杂的部分，最后借助纹理图像内容的连续 性，可求解出纹理图像的感兴趣区域。
[0028] 普通=维模型的网格拓扑信息及其复杂，不利于求取=维模型=角网格顶点区域 的特征点。用分辨率方法处理=维图形，将模型分为粗糖的基网格和加入不同程度细节信 息的多个层次，可W为网格建立四叉树结构，方便提取=角网格在不同尺度下的几何信息。 本发明采用IgorGuskov的基于多分支的半正则重网格化处理。新生成的网格具有半正则 化拓扑结构，除了基网格部分顶点的出度（和顶点相邻的边的数量）不为6,派生子面的顶 点全部具有数值为6的出度。如附图2所示，半正则网格的面具有天然的1-4细分结构，可 W建立1-4生成树。不仅如此，边和边上的点也同样具有树形结构，附图3说明了运种结构。
[0029]应用改进的Loop模式（ModifiedLoop)，用公式（2)对高分辨率层次的顶点进行 预测操作。如附图4所示，先利用低分辨率层级的顶点预测分辨率上更高一层中顶点的位 置，再用预测位置与实际位置之差d代替高层顶点的位置。由顶向下应用运种方式进行处 理，则半正则网格可化为基网格顶点集合M。和多层渐进网格的顶点与其自身预测值的偏移 量的集合di(i= 1，2,…，n)，其中n为基网格向下细化的层次数目。运种对网格的表示方 法尽可能低去除了网格的拓扑信息，而保留了模型表面的几何信息。
[0030]
(2)
[0031] 在观察物体时，人眼对物体细节的分辨率是有限的，其关注度可能集中于某个分 辨率层次，高于该层次的信息易于获取和分辨，低于该层次的细节将难W被辨认和关注。所 W在提取网格不同分辨率下的偏移量时，处理到某一层次就可W满足人眼的观察需求了。 运里，按照