Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/57468
Type: | Dissertação |
Title: | Uma técnica de otimização de malhas com ruídos por filtragem bilateral com pré-processamento |
Title in English: | An optimization technique for noisy meshes by bilateral filtering with preprocessing |
Authors: | Benevides, Lucas Andrade |
Advisor: | Cavalcante Neto, Joaquim Bento |
Co-advisor: | Vidal, Creto Augusto |
Keywords: | Processamento de geometria;Otimização de malhas;Remoção de ruídos em malhas;Filtragem de malha |
Issue Date: | 2017 |
Citation: | BENEVIDES, Lucas Andrade. Uma técnica de otimização de malhas com ruídos por filtragem bilateral com pré-processamento. 2017. 55 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Ceará, Fortaleza, 2017. |
Abstract in Brazilian Portuguese: | Modelos de alta resolução, baseados em malha, são principalmente gerados por scanners ópticos 3D. Esta abordagem de aquisição de malha introduz ruídos e irregularidades, de várias fontes distintas, na malha, fazendo com que ela seja inutilizável em aplicações práticas onde modelos de alta qualidade são necessários. Otimizar malhas com ruído, enquanto preservam-se suas características geométricas, é uma tarefa desafiadora. Muitos métodos anisotrópicos de otimização de malha, inspirados nos conceitos de Processamento de Imagens, foram propostos na década passada tentando resolver este problema. Eles obtêm bons resultados na maioria dos casos, falhando em otimizar malhas com grande quantidade de ruído ou com amostragem de elementos extremamente ruins. É apresentada, neste trabalho, uma técnica de filtragem de normais com pré-processamento baseada no filtro bilateral conjunto (joint bilateral filtering), a ser aplicada, principalmente, em malhas com amostragem de elementos extremamente ruim. A técnica consiste, basicamente, em uma abordagem de dois passos: primeiramente, a qualidade dos elementos da malha é aprimorada detectando e remalhando regiões com amostragem de elementos ruim; consecutivamente, é aplicada a filtragem bilateral conjunta nas normais das faces da malha seguida de uma atualização da posição dos vértices de acordo com o novo campo de normais filtradas. É mostrado que, ao empregar esse novo método, podem-se produzir melhores resultados ao otimizar malhas com amostragem de elementos irregular. A eficácia do método proposto é validada através de experimentos considerando diferentes modelos baseados em malha. |
Abstract: | High-resolution mesh models are mainly generated by advanced 3D optical laser scanners. This mesh acquisition approach introduces noise from various sources and irregularities on the mesh, making it unusable in practical applications where high quality models are required. Optimizing a noisy mesh, while preserving its geometric features, is a challenging task. Many anisotropic mesh optimization methods, inspired by the concepts in image processing, were proposed in the past decade attempting to solve this problem. They attain fine results in most cases, failing on optimizing meshes with large amounts of noise or with extremely irregular sampling. We present, in this work, a preprocessed normal filtering technique based on the joint bilateral filtering to be applied mainly on meshes with extremely irregular sampling. It is a two-stage approach: first, we improve the quality of the mesh elements by detecting and re-meshing irregular sampling regions; subsequently, we apply a joint bilateral filtering to the face normals followed by the vertex position update according to the new face normals field. We show that, by employing this new method, we can produce better results optimizing such irregular sampling meshes. The effectiveness of the proposed method is validated through experiments evaluation that considers different mesh models. |
URI: | http://www.repositorio.ufc.br/handle/riufc/57468 |
Appears in Collections: | DCOMP - Dissertações defendidas na UFC |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2017_dis_labenevides.pdf | 60,31 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.