بخش بندی معنادار مدل سه بعدی اجسام بر اساس استخراج برجستگی ها و هسته جسم

بخش بندی مدل های سه بعدی نقش مهمی در پردازش این مدل ها از جمله بازیابی، فشرده سازی و نهان نگاری مدل های سه بعدی دارد. در این مقاله روش جدیدی برای بخش بندی مدل های سه بعدی بر اساس استخراج نقاط برجسته ارائه شده است. تحقیقات علوم شناختی، تجزیه جسم سه بعدی به بخش های ساده تر را به عنوان یکی از راه های تحلیل و تشخیص اجسام سه بعدی توسط انسان معرفی کرده است. بر این اساس بخش های حاصل از تجزیه جسم سه بعدی، به دو دسته کلی هسته و بخش های برجسته تقسیم می شوند. در روش پیشنهادی، ابتدا مرکز ثقل مدل سه بعدی محاسبه می شود. سپس نقطه ای با بیشترین فاصله اقلیدسی از مرکز مدل به عنوان نقطه برجسته که نماینده بخش برجسته ای از مدل است، انتخاب و همسایگی ژئودزیکی آن از مجموعه جستجوی نقاط برجسته حذف می شود. این فرآیند تا یافتن تمام بخش های برجسته ادامه می یابد. سپس هسته مدل به عنوان قسمتی که سایر بخش های برجسته را به یکدیگر متصل می کند، شناسایی شده و به این ترتیب بخش بندی مدل سه بعدی صورت می پذیرد. معرفی مرکز ثقل مدل به عنوان نقطه مرجع، استفاده هم زمان از فاصله اقلیدسی و ژئودزیکی و حذف همسایگی نقطه برجسته انتخابی از مجموعه جستجوی نقاط باعث مقاوم شدن الگوریتم پیشنهادی در برابر تبدیلات جابجایی، چرخش و تغییر وضعیت مدل و همچنین باعث افزایش سرعت اجرای الگوریتم پیشنهادی نسبت به سایر الگوریتم ها شده است.