| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究意义与目的 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文研究内容 | 第12-15页 |
| 第二章 三维模型分割基础 | 第15-29页 |
| 2.1 三维模型数据 | 第15-17页 |
| 2.2 K近邻 | 第17-21页 |
| 2.2.1 相关算法研究现状 | 第17-18页 |
| 2.2.2 K邻域搜索方法 | 第18-21页 |
| 2.3 法向估计 | 第21-25页 |
| 2.4 平均曲率 | 第25-29页 |
| 第三章 三维散乱点云模型分割 | 第29-45页 |
| 3.1 基于谱聚类的过分割 | 第29-38页 |
| 3.1.1 相似矩阵 | 第30-34页 |
| 3.1.2 拉普拉斯矩阵 | 第34-35页 |
| 3.1.3 改进的K-means聚类算法 | 第35-38页 |
| 3.2 形状直径函数的定义及计算 | 第38-41页 |
| 3.3 土地移动距离的计算 | 第41-42页 |
| 3.4 相似弱凸块的合并 | 第42-44页 |
| 3.5 相似弱凸块的再合并 | 第44-45页 |
| 第四章 边界光滑 | 第45-53页 |
| 4.1 主动轮廓 | 第47页 |
| 4.2 离散化能量表示 | 第47-50页 |
| 4.3 最小化过程 | 第50-53页 |
| 第五章 实验 | 第53-61页 |
| 5.1 分割评价标准 | 第53-56页 |
| 5.1.1 Rand Index | 第54页 |
| 5.1.2 Hamming Distance | 第54-55页 |
| 5.1.3 Cut Discrepancy | 第55-56页 |
| 5.1.4 Global and Local Consistency Error | 第56页 |
| 5.2 分割结果 | 第56-61页 |
| 5.2.1 基于视觉的定性分割结果 | 第57-59页 |
| 5.2.2 基于定量指标的分割结果 | 第59-61页 |
| 第六章 总结与展望 | 第61-65页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第71-73页 |
| 致谢 | 第73-74页 |