[发明专利]一种三维点模型数据去噪方法

说明书

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p_j 的包围球内所含邻近点个数的阈值， 

（2）判断数据点p_j包围球内邻近点个数是否小于给定阈值，1≤j≤N；如果数据点p_j包围球内邻近点个数小于给定阈值，将其去除；如果数据点p_j包围球内邻近点个数大于或等于给定阈值，对数据点p_j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q_i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q_i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。

附图说明

图1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；

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；

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；

图5是应用本发明方法去噪效果图。

具体实施方式

图 1 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。