针对激光扫描仪获取的三维文物稠密点云模型在数据存储、远程传输与处理等环节导致的资源过度消耗问题,提出了一种基于贪婪算法的快速压缩与恢复框架。首先,将点云模型视为三维离散几何信号,用基于哈希函数的八叉树方法构建稠密点云的邻域约束关系。然后,计算点云邻接矩阵并构建离散拉普拉斯基对原信号进行稀疏表示,通过随机高斯矩阵对原信号进行随机采样,以完成信号压缩。最后,引入L₀正则化算子,采用四种经典的贪婪算法进行快速求解。用兵马俑头部点云模型和唐三彩胡人俑三维文物点云模型进行仿真测试,结果表明,本框架能完成对稠密点云模型的有效压缩和模型的快速重建。

传统三维模型分类方法因依赖文物碎片的整体形状特征,用于对破损严重、细节缺失、形状不规则的文物碎片分类时,时效差、成本高、准确率低。而文物碎片特征点周围的局部曲面深度信息与表面的规律性几何纹理可作为分类的判别特征。据此,提出了一种局部点云信息与显著性多特征描述子,通过提取文物碎片表面的规律性几何特征,并结合旋转投影特征,作为文物碎片的分类判别特征;然后提出相似度度量准则,根据每类特征的度量结果,自适应地计算两种特征的权重,实现分类。使用兵马俑碎片数据集进行实验,结果表明,该方法占用内存小、计算速度快。利用多倍交叉法对结果进行校验,准确率达到74.78%,相较于传统三维模型匹配方法提高了15.64%。

在计算机辅助文物虚拟复原过程中,针对现有复原方法匹配精度低、速度慢等问题,提出一种新的基于断裂面特征点匹配的文物碎片重组方法。利用改进的内部形状签名法提取碎片断裂面潜在特征点;计算特征点邻域几何特征的协方差矩阵,从而构建特征描述符;采用对数欧氏黎曼度量方法作为相似性度量准则,通过双向最近邻法获得初始点对集合,再利用典型相关分析法消除误匹配对得到最优匹配集;使用最小二乘法估算刚体变换矩阵将碎片粗对齐,再采用迭代最近点算法实现精确对齐,最终实现碎片重组。实验结果表明,本文算法相对传统算法特征点数量少,描述符简单,且稳健性强,有效提高了碎片重组的效率和准确性。