抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ポイントクラウドからの3D表面再構成問題は広く研究され,幾何学的モデリングや生物学的オブジェクトなどの分野で,その重要性が益々高まってきている。コンピュータグラフィックスや可視化などの分野では,ポイントクラウドから3D表面の再構成が重要な研究領域である。表面を測定することができる情報(例えば,特徴表現なづ)が含まれているように,表面再構成のアプリケーションでは,バイオイメージングのアプリケーションのために潜在的に重要になることがある。このアプリケーション領域での機会が,本研究の動機である。過去10年間で,表面再構成のための多くのアルゴリズムが提案されてきた。一般的に言えば,これらの方法は,2つのカテゴリに分けることができる。明確な表現と暗黙的近似表現である。前述の方法のほとんどは十分な理論に基づいている。しかし,これまでのところ,これらの方法の間には,分析的評価が提示されていない。評価の簡単な方法は,目視検査を通して納得させることによってである。この評価を通じて,正確に表面特性を維持することができる方法を探索し,それがノイズの存在下でもロバストであることである。その結果は,生物学的モデルの表面再構成において信頼性を向上させるために使用できる。したがって,表面記述子などの機能を選択することによって,分析的なアプローチを適用して,さまざまな条件でこれらの機能を測定する。さまざまなアルゴリズムによって作成された表面の品質を比較するには,次の3つの主要な機能として,表面距離,表面積と表面曲線を選択した。出発点は,そのような球や楕円体などの分析から得られた形状が,基礎的真理値となっている。本論文では,上記の2つのカテゴリから,4つの古典的な表面再構成法を提案した。パワークルスト(Power Crust),ロバストココネ(Robust Cocone),Fourierベース法,ポアソン再構成法,である。実験から得られた結果では,ポアソン再構成法が,ノイズの存在下で最良の実行性を示した。