بخش بندی معنادار مدل سه بعدی اجسام براساس 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 براساس استخراج نقاط برجسته ارایه شده است. تحقیقات علوم شناختی، تجزیه جسم سه بعدی به بخش های ساده تر را به‌عنوان 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 به‌عنوان نقطه برجسته که نماینده بخش برجسته ای از مدل است، انتخاب و همسایگی ژیودزیکی آن از مجموعه جستجوی نقاط برجسته حذف می شود. این فرآیند تا یافتن تمام بخش های برجسته ادامه می یابد. سپس هسته مدل به‌عنوان قسمتی که سایر بخش های برجسته را به یکدیگر متصل می کند، شناسایی شده و بدین ترتیب بخش بندی مدل سه بعدی صورت می پذیرد. معرفی مرکز ثقل مدل به‌عنوان نقطه مرجع، استفاده هم زمان از فاصله اقلیدسی و ژیودزیکی و حذف همسایگی نقطه برجسته انتخابی از مجموعه جستجوی نقاط، باعث مقاوم‌شدن الگوریتم پیشنهادی در برابر تبدیلات جابه‌جایی، چرخش و تغییر وضعیت مدل و همچنین باعث افزایش سرعت اجرای الگوریتم پیشنهادی نسبت به سایر الگوریتم ها شده است.