整体变分法信号去噪_聊聊网格处理-网格去噪2

a448c23bee1136fc7e30191921bef706.png

上文 介绍了网格去噪的问题本质,并利用傅里叶变换分析其形式化表示。本文中,我们一起来看看另一类扩散流方法。

Diffusion Flow

Diffusion Flow (扩散流),描绘了对信号函数

进行随时间变化的平滑处理过程,在物理学中比较常见,可以通过如下的扩散方程来定义:

注意在广义的扩散方程中,扩散系数

可以是关于
的函数
,也可以是常量。当
为对称正定矩阵时,方程描绘的是各向异性的扩散。在特殊情况下,
退化为标量系数,此时方程描绘了各项同性匀速的扩散。

各向同性

在此,我们只讨论

为标量系数的情况。当考虑定义在网格上的扩散流时,我们首先需要对上述连续表达离散化。该式是时变偏微分方程,所以我们需要在时间、空间上均作离散化。
  • 空间上,可以将连续的函数
    离散化为
    ,其中
    是网格顶点。Laplace函数可以选择离散Laplace-Beltrami算子
    :
  • 时间上,使用前向差分离散微分,可得:
    此时该式又叫显式欧拉积分。

此时要注意,为保证积分的数值稳定性,需要选取充分小的时间步长,这就会导致需要的迭代步数大大上升,慢啊。大佬Desbrun提出,使用隐式积分法可以保证在大步长情况下,系统的无条件稳定。其核心就是用下一时刻的Laplace代替当前时刻的Laplace:

为啥无条件稳定呢?一句话点破:想象最简单的case,

为单变量复函数
时,
。由此
不发散(详细证明过程可见参考7)。

要求解

则需要解上述线性系统了,数值稳定性固然提升,同时求解的复杂程度也上升了,果然鱼和熊掌不可兼得。

Laplacian光顺就是将上式中的

定义为顶点
的顶点坐标
。又因为Laplace算子与平均曲率
及法向
之间的关系,
上述扩散方程又被称为平均曲率流(mean curvature flow)。这揭示了一个蕴含的几何现象,
Laplacian光顺的每个迭代中,顶点都是沿着法向挪动,挪动的长度正比于该点处的平均曲率。注意,这种沿法向移动的解释并不对所有Laplacian算子都成立,只对cotangent Laplacian有效。如用顶点入度生成的均匀Laplacian就不成立,因为它并非Laplace-Beltrami算子的正确离散化表示。 请再读一遍前句,顶点入度的Laplacian并非不能被使用,只是说它并非Laplace-Beltrami算子的正确离散化形式。事实上,顶点入度的Laplacian会驱使顶点移动到一环领域的重心处,会让网格趋于各向同性分布,这在许多应用里也恰能满足其需求(见下图)。

dfc01d0fdbcddf03acf59d9973e7acf4.png

上述形式,又可以看成

阶Laplacian flow的特殊形式(
):

其中高阶Laplacian算子可以递归地定义成:
。选用高阶Laplacian算子能带来更接近低通滤波的效果,但是由于高阶Laplacian矩阵变得越来越稠密,带来的计算量也急剧上升。权衡起见,2阶Laplacian(又叫bi-Laplacian)在计算效率和平滑质量之间取得较好的折中。Bi-Laplacian平滑方法能得到
连续的网格,但在边界处仅能达到
。下图即是使用隐式Bi-Laplacian平滑方法获得的效果。

65a62dcf18e035c412a082976f29073f.png

各向异性

上述diffusion flow的方法是各向同性的,它能在各个方向上去除高频噪声,但同时也抹去了几何特征。如前文讲到,我们需要的是能保持住feature的平滑方法,这就要求flow能各向异性地扩散。近年来的相关研究业主要集中在各项异性的算法,比如著名的双边滤波,基于多尺度特征增强的各向异性滤波器等方法(下篇再展开介绍)。

在Diffusion flow的方法框架中,主要是引入各向异性的扩散张量

比如各项异性的平均曲率流方法就将面积

引入进来:

其中

是对角矩阵,
是定义在点
处的Voronoi Cell的面积。

这类需要介绍的文章并不多,还是早点跳到下一篇 各种Filtering 吧。

参考

  1. Anisotropic Geometric Diffusion in Surface Processing
  2. Review on 3D Mesh Model Analysis Based on the Discrete Differential Geometry
  3. Discrete Laplace operators: No free lunch
  4. Anisotropic Filtering of Non-Linear Surface Features
  5. Anisotropic Geometric Diffusion in Surface Processing
  6. Geometric Fairing of Irregular Meshes for Free-Form Surface Design
  7. Implicit Fairing of Irregular Meshes using Diffusion and Curvature Flow
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值