thèses de l'insa de lyon | les thèses de l'insa de lyon - analyse adaptive et...
Post on 22-Jun-2021
0 Views
Preview:
TRANSCRIPT
N° d’ordre 2001 ISAL 0003 Année 2001
THESE
Présentée
DEVANT L’INSTITUT NATIONAL DE SCIENCESAPPLIQUEES DE LYON
pour obtenir
LE GRADE DE DOCTEUR
FORMATION DOCTORALE : IMAGES ET SYSTEMESECOLE DOCTORALE : ELECTRONIQUE, ELECTROTECHNIQUE, AUTOMATIQUE
PAR
Yun Sang KIM
Analyse adaptative et synthèse multirésolution de surfacesmaillées par décomposition sur une base d’ondelettes.
Soutenue le 29 janvier 2001 devant la Commission d’Examen
Jury :Houman BOROUCHAKI RapporteurIsabelle MAGNINChristophe ODETRémy PROST Directeur de thèseFrançis SCHMITT PrésidentFrédéric TRUCHETET Rapporteur
Cette thèse a été préparée au Centre de Recherche Et d’Applications en Traitement del’Image et du Signal (CREATIS UMR CNRS 5515) de l’INSA LYON et l’UCBL.
7
5(0(5&,(0(176
Ce travail de thèse a été réalisé au sein du Centre de Recherche Et d’Application en
Traitement de l’Image et du Signal (CREATIS), Unité mixte (UMR CNRS 5515), Institut
National des Sciences Appliquées de Lyon (INSA Lyon), Université Claude Bernard Lyon
I (UCBL), affiliée à INSERM. Je remercie Messieurs les Professeurs Gérard GIMENEZ et
Didier REVEL, codirecteurs de CREATIS, pour l’accueil qu’ils m’ont réservé dans le
laboratoire.
Qu’il me soit tout d’abord permis de remercier Monsieur le Professeur Rémy
PROST qui a assuré la direction de ce travail Ses grandes compétences théoriques, sa
disponibilité, ses encouragements, et sa contribution dans la direction du mémoire m’ont
été d’une aide précieuse. Je suis très sensible à la confiance qu’il m’a toujours accordée et
je tiens à lui témoigner ici le plaisir que j’ai eu à travailler avec lui pendant ces trois
années.
Je suis particulièrement reconnaissant à Monsieur le Professeur Françis SCHMITT,
responsable du groupe TII au département TSI de l’Ecole Nationale Supérieur des
Télécommunications de Paris, de m’avoir fait l’honneur de présider le jury de thèse et
d’avoir manifesté son intérêt pour mon travail.
Que Monsieur le Professeur Houman BOROUCHAKI, du laboratoire LASMIS de
l’Université de Technologie de Troyes, trouve ici mes plus vifs remerciements pour les
précieuses remarques dont il m’a fait part en rapportant sur le mémoire de thèse.
Mes plus vifs remerciements vont aussi à Monsieur le Professeur Frédéric
TRUCHETET, directeur du laboratoire Le2i de l’Université de Bourgogne, d’avoir accepté
d’être rapporteur de cette thèse. Les thèses qu’il a dirigé dans son laboratoire furent des
documents précieux pour mon travail. Je le remercie également pour les remarques qui ont
enrichi mon mémoire.
Je tiens à exprimer toute ma gratitude à Madame Isabelle MAGNIN, directeur de
recherche de l’INSERM, pour ses encouragements durant la thèse, et pour m’avoir fait
l’honneur de participer à mon jury de thèse.
Mes remerciements s’adressent également à Monsieur le professeur Christophe
ODET, de l’INSA de Lyon, pour son analyse critique de la préparation de ma thèse et pour
avoir accepté de participer au jury.
8
Je remercie chaleureusement l’ensemble du personnel du laboratoire et les
doctorants pour leur gentillesse et pour l’ambiance amicale du laboratoire. Merci
notamment à Monsieur Daniel CULIOLI, pour ses aides concernant l’informatique et à
Nicolas ROGNIN et Sébastien VALETTE pour leurs conseils concernant mes études.
Enfin, je souhaite exprimer toute ma gratitude à mes parents, ma belle-mère, ma
femme Hyang-Sil qui m’ont soutenu pendant mes études. Je leur dédie, ainsi qu’à mes
enfants, mon mémoire de thèse.
9
A mes parents, belle-mère,
à mon épouse Hyang-Sil,
à mes enfants Yong-Jin et Yong-Jae.
Table des matières
11
Table des matières
Liste des notations -------------------------------------------- 15
INTRODUCTION GENERALE 17
1. Motivations -------------------------------------------- 17
2. Travaux précédents -------------------------------------------- 19
3. Nos Contributions -------------------------------------------- 22
4. Organisation du document -------------------------------------------- 23
CHAPITRE I : ETAT DE L’ART - ANALYSE MULTIRESOLUTION ETSUBDIVISION DE SURFACES 3D 25
1. Introduction ------------------------------------------- 25 2. Notations mathématiques ------------------------------------------- 26
2.1 Représentation de maillages ------------------------------------------- 27
2.2 Voisinages sur maillages ------------------------------------------- 28
3. Analyse multirésolution en ondelettes de la surface des objets 3D ---------------- 30
3.1 Principe de la théorie de l’analyse multirésolution par transformation
en ondelettes orthogonales ------------------------------------------- 30
3.2 Raffinement des fonctions ------------------------------------------- 31
3.3 Bancs de filtres ------------------------------------------- 32
4. Subdivision de surfaces et ondelettes ------------------------------------------- 35
4.1 Subdivision de surfaces ------------------------------------------- 35
4.2 Espaces imbriqués et raffinement des fonctions d’échelles dans
la subdivision de surfaces ------------------------------------------- 37
4.3 Produits scalaires sur des surfaces de l’espace 3D ----------------------------------- 39
4.4 Ondelettes bi-orthogonales associées à la subdivision de surfaces 3D ----------- 42
Table des matières
12
5. Remaillage ------------------------------------------- 48
6. Simplification de maillages triangulaires ------------------------------------------- 50
6.1 Simplification par raffinement ------------------------------------------- 50
6.2 Simplification par décimation ------------------------------------------- 51
7. Conclusion ------------------------------------------- 54
CHAPITRE II : DECOMPOSITION LOCALE SUR UNE BASE ENONDELETTES DU MAILLAGE TRIANGULAIRE DE LA SURFACED’OBJETS 3D 55
1. Introduction ------------------------------------------- 55
2. Principe de la décomposition locale en ondelettes ------------------------------------- 56
3. Décomposition locale en ondelettes de maillages de la surface d’objets 3D ----- 58
Abstract ------------------------------------------- 59
I. Introduction ------------------------------------------- 59
II. Wavelet based surface subdivision ------------------------------------------- 60
III. Local subdivision of surfaces ------------------------------------------- 61
IV. Results ------------------------------------------- 63
V. Conclusions ------------------------------------------- 63
References ------------------------------------------- 64
4. Compléments ------------------------------------------- 68
5. Conclusions ------------------------------------------- 72
CHAPITRE III : PROPOSITION D’UNE DECOMPOSITION ENONDELETTES DE MAIILAGES IRREGULIEREMENT SUBDIVISES
73
1. Introduction ------------------------------------------- 73
2. Décomposition en ondelettes de maillages triangulaires 3D irrégulièrement subdivisés. Application à la compression ------------------------------------------- 74
Abstract ------------------------------------------- 75
I. Introduction ------------------------------------------- 75
Table des matières
13
II. Lounsbery’s wavelets based multiresolution scheme -------------------------------- 76
III. A proposal for irregular subdivision ------------------------------------------- 78
IV. Compression ------------------------------------------- 81
V. Results ------------------------------------------- 82
VI. Conclusions ------------------------------------------- 82
References ------------------------------------------- 85
3. Compléments ------------------------------------------- 86
4. Conclusions ------------------------------------------- 89
CHAPITRE IV : PROPOSITION D’UN REMAILLAGE GLOBAL ETLOCAL POUR LA DECOMPOSITION EN ONDELETTES. REMAILLAGEADAPTATIF PAR TRANSFORMATION CONFORME 91
1. Introduction ------------------------------------------- 91
2. Transformation conforme de maillages surfaciques ---------------------------------- 92
3. Remaillage local et décomposition en ondelettes -------------------------------------- 94
Abstract ------------------------------------------- 95
I. Introduction ------------------------------------------- 95
II. Related works ------------------------------------------- 97
II-1. Wavelet based surface subdivision ------------------------------------------- 97
II-2. Remeshing ------------------------------------------- 98
III. A new remeshing algorithm ------------------------------------------- 99
III-1. Base mesh reconstruction ------------------------------------------- 99
III-2. Multiresolution global and local remeshing ----------------------------------- 100
IV. A proposal for local subdivision of surfaces ---------------------------------------- 103
IV-1. Local wavelets basis construction ---------------------------------------------- 103
IV-2. Evaluation of the local inner products of the scaling functions ------------ 104
IV-3. An algorithm for fast computation of the inner products ------------------- 105
V. Experimental Results ------------------------------------------ 105
VI. Conclusions ------------------------------------------ 106
Appendix A : Curvature estimation ------------------------------------------ 106
References ------------------------------------------ 107
4. Détails complémentaires sur la paramétrisation ------------------------------------- 113
5. Conclusions ------------------------------------------ 118
Table des matières
14
CHAPITRE V : REMAILLAGE A SUBDIVISION VARIABLE PARTRANSFORMATION HARMONIQUE 119
1. Introduction ------------------------------------------ 119 2. Principe de la transformation harmonique ------------------------------------------ 120
2.1 Transformation de bord ------------------------------------------ 121
2.2 Transformation d’intérieur ------------------------------------------ 123
3. Notre proposition par un remaillage par transformation harmonique ---------- 125
4. Conclusions ------------------------------------------ 133
CHAPITRE VI : VERS UNE FUSION DE MAILLAGES LOCAUX 135
1. Introduction ------------------------------------------ 135 2. Transformation de maillages locaux sur un même espace 2D --------------------- 135
3. Fusion de maillages locaux ------------------------------------------ 137
4. Conclusions ------------------------------------------ 146
CHAPITRE VII : FILTRAGE NON-LINEAIRE DES MAILLAGESSURFACIQUES 147
1. Introduction ------------------------------------------ 147 2. Filtrage non- linéaire des maillages 3D ------------------------------------------ 148
3. Conclusions ------------------------------------------ 154
CONCLUSION GENERALE ET PERSPECTIVES 155
REFERENCES BIBLIOGRAPHIQUES ------------------------------------------ 159
15
Liste des notations
Notations Signification
M Maillage triangulaire
K Complexe simplicial représentant la connectivité d’un maillage
V Ensemble de position de sommets définissant la géométrie d’un maillage
mR Espace réel de dimension m
j Niveau de résolution
ϕ Fonction d’échelle
ψ Ondelette
j- Matrice des fonctions d’échelle
j� Matrices des ondelettes
jV Espace des fonctions d’échelles
jW Espaces des ondelettes
jP et jQ Matrices des filtres de synthèse
jA et jB Matrices des filtres d’analyse
jC Matrice des coefficients
jD Matrice des détails perdus dans le processus d’analyse
)(xS Surface limite
jI Matrice des produits scalaires
j. Matrice des coefficients de pondération des fonctions d’échelle
γβα ,, Coordonnées barycentriques
n&
Vecteur normal
16
Π Bijection
h Transformation harmonique
b Transformation de bord
)(hE Energie fonctionnelle de la transformation harmonique
ijk Raideur de ressort dans la transformation harmonique
2σ Ecart quadrique lié au bruit
jS Seuil
jµ Constante arbitraire pour trouver le seuil optimal
Introduction générale
1
INTRODUCTION GENERALE
1. Motivations
La décomposition en ondelettes, introduite historiquement pour les signaux par
Meyer [MEYE93] et Mallat [MALL89], a été étendue récemment par Lounsbery
[LOUN94] aux surfaces. Dans ce contexte, le maillage initial est représenté par un maillage
d’approximation très simple (par exemple, un octaèdre) et un ensemble de coefficients
d’ondelettes qui représentent les détails perdus dans l’approximation. On peut alors
reconstruire progressivement le maillage en ajoutant des détails (Figure 1). La
reconstruction finale est exacte.
P P P P
Q Q
Détails Détails
2. Figure 1. Reconstruction
La décomposition du maillage trian
suivant l’approche de Lounsbery, nécessi
subdivisions régulières de toutes les fa
nécessite un maillage spécialement adap
adaptation locale de la subdivision donc
ou, plus généralement, de la complexi
….
7
Q Q
Détails Détails
progressive du maillage du cœur.
gulaire d’un objet 3D sur une base d’ondelettes,
te un maillage dont la connectivité est obtenue par
ces des triangles d’un maillage de base ce qui
té. D’autre part, cette méthode ne permet pas une
du nombre de facettes en fonction de la courbure
té de l’objet. Cette approche ne permet pas la
Introduction générale
18
décomposition des maillages irréguliers, comme, par exemple, ceux obtenus par
l’algorithme du Marching Cube qui est utilisé de façon standard en imagerie médicale
[LORE87].
La décomposition sur une base d’ondelettes des surfaces triangulaires associées aux
objets 3D est une approche séduisante pour de nombreuses applications :
• Transmission progressive via un réseau (internet, etc…),
• Compression et codage,
• Affichage progressif,
• Edition multirésolution des maillages,
• Traitement numérique des maillages (filtrages, …).
Cette thèse se propose de contribuer à apporter des solutions aux limitations de
l’approche de Lounsbery par deux voies :
• Un remaillage des maillages quelconques de façon à obtenir un maillage
décomposable en ondelettes,
• Une décomposition irrégulière en ondelettes.
Dans la première voie nous proposons d’introduire une résolution variable sur la
surface. Cette résolution s’adapte automatiquement à la courbure locale. Cette nouvelle
approche fait apparaître plusieurs bases d’ondelettes pour décomposer la surface.
Introduction générale
19
2. Travaux précédents
Dans cette section, nous passons en revue brièvement un certain nombre de
méthodes étroitement liées à nos approches.
Les premières formalisations de l’analyse multirésolution des fonctions sont dues à
Meyer [MEYE93] et Mallat [MALL89]. Cette théorie n’est pas bien adaptée à la
représentation des ensembles de données de dimensions finies telles que les courbes
ouvertes, et les surfaces triangulées qui s’utilisent en infographie et en imagerie médicale.
L’analyse multirésolution par décomposition sur une base d’ondelettes a été étendue
récemment par Lounsbery [LOUN94] afin de résoudre cette problématique. Nous
présentons ici les travaux importants de ce domaine.
La subdivision de surfaces est une méthode de modélisation des surfaces de
topologie arbitraire. Elle est définie en raffinant itérativement un maillage de contrôle 0M
de sorte que l'ordre du maillage soit de plus en plus fragmenté en facettes ⋅⋅⋅,, 21 MM et
converge sur une certaine surface limite ∞=MS . Les deux premières méthodes ont été
proposées par Catmull et Clark [CATM78], Doo et Sabin [DOO78]. Ils ont généralisé
respectivement les B-splines bi-cubiques et bi-quadriques. En 1987, Loop [LOOP87] a
présenté un schéma de raffinement d’un maillage triangulaire par l’insertion de sommet.
Cette approche conduit à des maillages lisses. La méthode nommée ‘Butterfly’ a été
développée ensuite par Dyn et al. [DYN90]. Cette méthode ne modifie pas la position des
sommets existants à chaque étape de subdivision, elle utilise la moyenne locale pour
calculer la position des points médians des arêtes introduites par division. Reif [REIF95] a
donné une réponse satisfaisante au comportement des surfaces de subdivision près des
points extraordinaires. Les points extraordinaires sont des sommets invariants par
subdivision. Les méthodes basées sur l’introduction de sommets aux points médians des
arêtes, ont respectivement 6 et 4 sommets voisins pour les nouveaux sommets à l’intérieur
et au bord du maillage. Les sommets extraordinaires qui ont un nombre de sommets voisins
différents de 6 ou 4, restent constants pour toute subdivision. Un schéma d’interpolation
qui utilise la subdivision quaternaire, est introduit par Kobbelt [KOBB96], et Zorin et al.
[ZORI96] ont présenté un schéma basé sur la méthode Butterfly, avec des règles spéciales,
appliquées aux sommets voisins des sommets extraordinaires, qui conduisent à des
surfaces plus lisses que la méthode Butterfly. DeRose et al. [DERO98] ont utilisé la
subdivision de surfaces pour la fabrication du film d’animation ‘Geri’s game’. Guskov et
al. [GUSK99] ont construit un algorithme pour le lissage géométrique des maillages
triangulaires irréguliers. La subdivision récursive des surfaces, génère des fonctions
Introduction générale
20
d’échelles qui peuvent être raffinées, et par conséquent, conduit à une séquence d’espaces
linéaires imbriqués selon les exigences de l'analyse multirésolution. Donc, des surfaces
produites par subdivision, peuvent être décomposées hiérarchiquement en utilisant les
ondelettes [STOL95b].
Un élément important, de la conception des algorithmes pour l’approximation de
maillage, est la construction d’une paramétrisation efficace lorsque aucune information
d’initialisation n’est disponible. Les différentes méthodes, comme celle de Lounsebery et
al. [LOUN94] qui utilisent les ondelettes, requièrent souvent la connaissance de la
connectivité de subdivision du maillage. Cependant, dans la pratique, les maillages
rencontrés ne répondent pas à cette exigence. Des méthodes appelées ‘remaillages’ (en
anglais remesh) ont été développées pour répondre à cette exigence. Le remaillage repose
sur la construction d’un nouveau maillage, par modifications successives du maillage
initial. Le remaillage permet d’obtenir un maillage régulièrement subdivisé ayant une
connectivité de subdivision à partir d’un maillage irrégulièrement subdivisé.
Eck et al. [ECK95] ont proposé une méthode de remaillage pour une topologie via
la transformation harmonique. Ils construisent d’abord un maillage de base polyédrique
triangulaire conservant la même topologie que la surface à remailler par pavage de
Voronoi. En utilisant une séquence d’applications harmoniques locales, une
paramétrisation, qui est lisse au-dessus de chaque triangle du maillage de base, est
construite. Ils utilisent alors la subdivision quaternaire répétée à partir du maillage de base
pour construire un nouveau maillage qui se rapproche de la surface à remailler. Un modèle
multirésolution du nouveau maillage est alors établi en utilisant des techniques
d’ondelettes. Mais, les temps d'exécution pour cet algorithme peuvent très être longs, en
raison des nombreux calculs de transformations harmoniques. De plus, dans le cas
particulier de maillages relativement simples, le pavage de Voronoi de Eck échoue. Ces
problèmes ont été résolus par Duchamp et al. [DUCH97] qui ont réduit le temps de calcul
par l’introduction préalable d’une opération de hiérarchisation, et par Klein [KLEI97] qui
propose l’algorithme du pavage basé sur les sommets. Lee et al. [LEE98] ont développé un
algorithme de remaillage adaptatif avec la connectivité de subdivision pour les surfaces à
topologie arbitraire. Ils utilisent d’abord la simplification par décimation de sommets du
maillage original pour obtenir le maillage de basse résolution. Pendant cette simplification,
chaque sommet supprimé est paramétré avec les sommets voisins par transformations
conformes itérées, et la retriangulation est faite pour les sommets voisins. Par cette
procédure, le maillage de basse résolution est trouvé puis les sommets supprimés du
maillage original sont projetés sur les triangles du maillage de base résolution. Après, le
maillage de basse résolution est subdivisé régulièrement en 4 : 1 et, en utilisant la
transformation inverse, un remaillage décomposable est reconstruit.
Introduction générale
21
D’autre part, les représentations nommées maillages normaux et surfaces
subdivisées de substitution (en anglais, respectivement, normal meshes, displaced
subdivision surface) sont proposées récemment par Guskov et al. [GUSK00], Lee et al.
[LEE00]. Guskov et al. représentent une surface en appliquant successivement une
substitution hiérarchique des maillages pendant la subdivision. Un maillage normal est un
maillage multirésolution dans lequel des sommets peuvent être trouvés dans la direction
normale, à partir d’un certain niveau initial. Leur construction permet à la plupart des
sommets d'être encodés en utilisant des déplacements scalaires, mais une petite fraction des
sommets exige des déplacements vectoriels pour empêcher le pliage de la surface. La
méthode de Lee et al. a montré qu'une surface arbitraire peut être approchée par une
surface de subdivision substituée, dans laquelle la géométrie est encodée comme une
fonction à valeurs scalaires sur un domaine de surface. En conséquence, sa représentation
définit le domaine de la surface et la fonction de substitution est obtenue en utilisant la
subdivision de Loop. Elle permet la compression efficace et est également convenable pour
l'animation, l'édition, et le contrôle du niveau de détail des maillages. Cependant, les
surfaces de subdivision par substitution nécessitent la contrainte supplémentaire des
déplacements strictement scalaires. Donc, une fois subdivisées et déplacées, les arêtes du
maillage de contrôle ne suivent généralement pas exactement des plis de la surface initiale.
Une application particulièrement intéressante, de la représentation multirésolution,
concerne la simplification géométrique réversible de maillages triangulaires associés à des
objets 3D. La simplification de maillages consiste à trouver un maillage d’une complexité
géométrique moindre tout en conservant une distorsion visuelle acceptable des maillages
originaux. Les deux méthodologies les plus communes pour la simplification de maillages
sont les approches par raffinement et par décimation [HECK97] [ALLI00]. La méthode par
raffinement est un algorithme itératif qui commence par une première approximation et
ajoute des éléments à chaque étape [FAUG84] [DELI94] [KOBB98] [DAUB99]. Les
méthodes de décimation éliminent itérativement des sommets [SCHR92] [SOUC96]
[HECK99], ou des arêtes [HOPP96] [COHE97] [TAUB98b], ou bien encore des triangles
[HAMA94] [VARS94] [GIEN97]. D’une autre part, il existe des méthodes fonctionnant
par la décimation de ‘patchs’ (groupes de triangles) [VARS94] [KALV96], et par sous-
échantillonnage [TURK92] [ELSA99] [YEME00].
Introduction générale
22
3. Nos Contributions
Nous introduisons ici, nos contributions qui ont un intérêt fondamental pour la
représentation efficace d’une région d’intérêt, la compression, la transmission progressive,
l’affichage accéléré, et la paramétrisation de maillages de surfaces d’objets 3D.
• Décomposition locale, sur des bases d’ondelettes, de maillages à subdivision
régulière 4 :1. Le niveau de résolution est variable sur la surface.
• Décomposition directe sur une base d’ondelettes de maillages triangulaires à
subdivision irrégulière.
• Remaillage adaptatif avec détermination automatique du niveau de subdivision
selon la courbure locale, la densité de sommets ou le choix d’une région d’intérêt.
• Deux techniques de remaillage sont proposées :
- par transformation conforme,
- par transformation harmonique.
• Fusion de maillages locaux décomposables en ondelettes.
• Filtrage non-linéaire des maillages bruités dans le domaine des coefficients
d’ondelettes.
Introduction générale
23
4. Organisation du document
Le Chapitre I est consacré à l’étude bibliographique des méthodes de l’analyse
multirésolution en ondelettes et de la subdivision de maillages de surfaces d’objets 3D.
Nous commençons par examiner le contexte des applications de l’analyse multirésolution
en ondelettes et de la subdivision de surfaces 3D associée aux ondelettes. En particulier,
nous explicitons les techniques de remaillage (en anglais remesh) suivant lesquelles des
maillages arbitraires peuvent être convertis en maillages décomposables en ondelettes.
Nous présentons ensuite la simplification des maillages triangulaires quelconques, qui
permet l’obtention d’un maillage d’une complexité géométrique moindre, tout en
conservant une distorsion visuelle acceptable du maillage original.
Le Chapitre II présente notre contribution à la décomposition locale en ondelettes
de maillages surfaciques. Ce chapitre définit une méthode de construction d’ondelettes bi-
orthogonales basées sur la subdivision locale (subdivision irrégulière). En particulier, les
équations des produits scalaires locaux sont calculées exactement par la connaissance des
valences des sommets générés à la résolution supérieure.
Dans le Chapitre III, nous proposons une méthode de décomposition en ondelettes
de maillages surfaciques irrégulièrement subdivisés et son application à la compression.
Elle permet, à partir d’un maillage quelconque, d’obtenir un maillage plus simple
permettant une analyse multirésolution. Nous examinons une technique de compression
sans perte qui prouve l’efficacité de notre algorithme pour une compression des maillages.
Le Chapitre IV introduit un nouveau remaillage global et local pour la
décomposition en ondelettes. Tout d’abord, nous présentons le principe de la
transformation conforme et étendons ce principe au remaillage 3D. Ensuite, nous
représentons en détail notre nouvelle approche. La paramétrisation est explicitée. Dans cet
algorithme, tous les sommets originaux sont projetés sur le plan complexe avec les
sommets de maillage de basse résolution par la transformation conforme. Chaque sommet
original est paramétré par les trois autres sommets des triangles en utilisant les coordonnées
barycentriques. Les sommets 2D sont reprojetés sur l’espace 3D. La reprojection sur
l’espace 3D permet d’obtenir un remaillage décomposable sur une base d’ondelettes sous
réserve que la condition de connectivité de subdivision soit présente. Finalement nous
introduisons une décomposition et reconstruction basée sur la subdivision locale. Dans cet
algorithme, le niveau de subdivision est calculé automatiquement en fonction de la
courbure locale.
Introduction générale
24
Dans les chapitres V et VI, nous proposons de nouvelles méthodes de remaillage et
de décomposition en ondelettes basées sur la transformation harmonique. Ces méthodes
améliorent remarquablement la paramétrisation du maillage proposé dans le Chapitre IV.
C’est à dire qu’un maillage approché par cette paramétrisation est plus proche,
géométriquement parlant, du maillage original qu’avec la méthode précédente. Une fusion
de différents maillages locaux permet de reconstruire complètement un maillage
décomposable en ondelettes. Cette dernière contribution accroît les conditions
d’application de la méthode précédente.
Enfin, nous montrons que le filtrage non linéaire des coefficients d’ondelettes de
Donoho est applicable aux maillages. Il permet de filtrer les bruits de maillages, et de
reconstruire un maillage lisse tout en préservant la connectivité et la géométrie.
Pour finir, nous concluons en soulignant les résultats les plus importants de notre
travail et en discutant des perspectives de développement d’un point de vue technique et
scientifique.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
25
CHAPITRE I
ETAT DE L’ART : ANALYSE MULTIRESOLUTION ETSUBDIVISION DE SURFACES 3D
1. Introduction
Les ondelettes sont un outil mathématique simple pour décomposer les fonctions
dans un schéma hiérarchique. Succinctement, les ondelettes permettent de décomposer une
fonction en une fonction d'approximation et une autre de détails qui influencent la fonction
originale à diverses échelles. Cette approche présente un intérêt dans une large variété
d’applications, l’analyse du signal, le traitement d’image, et l’analyse numérique.
La méthode d’analyse multirésolution est une structure mathématique formalisée
par Meyer [MEYE93] et Mallat [MALL89] sur l’axe réel infini. En ce sens, les ondelettes
offrent un outil utile et efficace. L’idée principale de l’analyse multirésolution suivant
Meyer et Mallat est de représenter hiérarchiquement une fonction compliquée par une
partie de basse résolution plus simple, avec une collection de perturbations appelées
coefficients d’ondelettes qui sont nécessaires pour retrouver la fonction originale.
Cependant, cette théorie classique n’est pas adaptée à la représentation des ensembles de
données finies telles que les images, les courbes ouvertes, et les surfaces bornées qui
s’utilisent en infographie et en imagerie médicale.
Ces dernières années, l’extension de ces méthodes à l’infographie a offert de
nouvelles solutions aux problèmes de compression polyédrique [ZORI97a] [ZHAN98],
d’édition multirésolution de surfaces [ZORI97b] [GUSK99], et d’optimisation de surfaces
[HOPP93] [FAYE97]. L’analyse multirésolution proposée par Lounsbery et al. [LOUN94]
généralise la théorie de Meyer - Mallat à une classe de fonctions définies sur un intervalle
borné, et en particulier pour les maillages triangulaires. Cette généralisation de l’analyse
multirésolution est intimement reliée au processus de subdivision récursive.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
26
Dans ce chapitre, nous introduisons les notations mathématiques qui interviennent
dans la représentation de la surface des objets 3D, nous examinons ensuite le contexte
théorique et l’application de l’analyse multirésolution et de la subdivision de surfaces. En
particulier, nous portons notre attention sur l’analyse multirésolution en utilisant les
ondelettes de la méthode de Lounsbery. Il a prouvé que la subdivision de surfaces 3D peut
être associée aux ondelettes en satisfaisant aux besoins de l’analyse multirésolution dans3R .
Dans une deuxième partie, nous analysons une technique appelée remaillage (en
anglais, remesh) des maillages triangulaires arbitraires afin de les rendre décomposable
dans le schéma multirésolution qui utilise la simplification et la subdivision. Nous
présentons les méthodes de simplification de maillages triangulaires, qui permettent la
représentation multirésolution de la surface des objets 3D. Enfin, nous terminons par une
discussion des travaux antérieurs à notre contribution.
2. Notations mathématiques
Avant d’aborder les différentes théories et travaux sur les maillages, il convient de
préciser la terminologie, les définitions de base et quelques notions d’intérêt général pour
la description des scènes tridimensionnelles.
Les surfaces des objets 3D jouent un rôle central dans beaucoup d’applications
graphiques actuelles [BOLL91]. La surface d’un objet 3D est représentée naturellement par
un maillage polyédrique. Le maillage est une surface linéaire par morceaux, se composant
généralement de faces triangulaires. Pour une représentation des données de volume, le
triangle correspond à la géométrie la plus efficace en terme de qualité visuelle et de
simplicité. La représentation des surfaces par un maillage triangulaire permet de
compresser, d’éditer, de visualiser, et de transférer efficacement, les objets 3D.
Nous présentons d'abord les notations mathématiques nécessaires au développement
du maillage triangulaire. Ces représentations mathématiques sont basées sur la théorie de la
topologie et de la géométrie.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
27
2.1 Représentation de maillages
Quand on décrit un maillage triangulaire, il est utile de séparer deux modèles
mathématiques : la connectivité du maillage (graphe) et sa géométrie. Formellement, on
dénote un maillage triangulaire M comme une paire ( )VK , où K est un complexe
simplicial représentant la connectivité des sommets, des arêtes, et des faces, déterminant le
type topologique du maillage, et { }m21 vvvV ,,, �= , 3i Rv ∈ avec mi1 ≤≤ est un
ensemble de positions de sommets définissant la géométrie du maillage dans 3R
[HOPP94b] [BOIX95].
Plus précisément, un complexe simplicial K est constitué de l’ensemble des
sommets, { } { } { }m21 ,,, � , et des sous-ensembles formés par des unions de ces sommets,
appelés simplexes de K , tel que chaque sous-ensemble non-vide d’un simplexe dans K est
encore un simplexe dans K . Par exemple, { }21, est une arête et { }321 ,, une face. Si un
simplexe Ks∈ contient 1n + sommets, on l’appelle n-simplexe. Par exemple, { }21, est
un 1-simplexe et { }321 ,, est un 2-simplexe [FREY99].
Une réalisation géométrique d’un maillage associé à une surface dans 3R peut être
obtenue comme suit. Pour un complexe simplicial K donné, sa réalisation topologique K
dans mR (espace réel de dimension m) est formée par l’identification des sommets
{ } { } { }{ }m21 ,,, � avec les vecteurs de base { }m21 eee ,,, � de mR . Pour chaque simplexe
Ks∈ , supposons que s dénote l’enveloppe convexe dans mR , � sK Ks∈= , et
3m RR →:ϕ est l’application linéaire qui envoie le i
ème vecteur de base mi Re ∈ sur
3i Rv ∈ (voir la Figure I-1).
La réalisation géométrique de K est l’image ( )Kϕ . S’il existe une bijection
continue entre eux, l’application ϕ est appelée plongement, autrement dit, les deux
ensembles sont dits ‘homéomorphe’, ou de même type topologique. Seulement un
ensemble restreint de positions de sommets V a pour résultat de ( ) 3RK ⊂ϕ un
plongement, et empêche les auto-intersections [XU98].
Si ϕ est un plongement, tout point ( )Kp ϕ∈ peut être paramètrisé en trouvant
son vecteur unique Kb ∈ . Le vecteur b avec )(bp ϕ= s’appelle le vecteur de
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
28
coordonnées barycentriques de p (Figure I-1). Notons que les vecteurs de coordonnées
barycentriques sont les combinaisons convexes des vecteurs de base mi Re ∈ correspondant
aux sommets d’une face de K .
Réalisation topologique K Réalisation géométrique ( )Kϕ
Simplexes d’un complexe simplicial K
• Sommets: { } { } { } { } { } { }654321 ,,,,, .
• Arêtes : { } { } { } { } { } { } { } { } { }656454535242324121 ,,,,,,,,,,,,,,,,, .
• Faces : { },,, 421 { },,, 532 { },,, 542 { }654 ,, .
Figure I-1. Représentation d’un maillage constitué de quatre faces.
2.2 Voisinages sur maillages
Le voisinage est une information additionnelle construite à partir de la connectivité
du maillage. Pour la manipulation effective des maillages, il est utile de définir les
voisinages des simplexes sur un complexe simplicial K . Intuitivement, on peut dire qu’un
simplexe J de type sommet, arête, ou face est adjacent à l’ensemble des simplexes S si
celui-ci partage un ou plusieurs simplexes avec S [POPO97].
e6
e5e4
e1
e2
e3
b
v6
v4
v1
y
x
z
v3
v5
v2
p
R m R
3
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
29
Soit un simplexe de sommet { } Ki ∈ . Le voisinage de { }i est un ensemble de
simplexes qui satisfait la condition ci-dessous :
Voisinage { } { } { } { } { } { }{ }Kkjikjikijikji ∈= ,,,,,,,,,)( , . (I-1-1)
Les voisinages se composent de sommets, arêtes, et faces. Dans ce cas, le nombre de
simplexes composés des sommets est appelé valence du sommet { }i . Pour une arête
{ } Kji ∈, , les voisinages sont les suivants :
Voisinage { } { } { } { } { }{ } �Kkjikjikjkikji ∈= ,,,,,,,,,),(
{ } { } { } { } { } { } { }{ } �Kmlimlimimiliml ∈,,,,,,,,,,, ,
{ } { } { } { } { } { } { }{ }Konjonjonojnjon ∈,,,,,,,,,,, , . (I-1-2)
Pour une face { } Kkji ∈,, , le voisinage ),,( kji est un ensemble de simplexes adjacents à
la face { }kji ,, . Ces relations de voisinage du maillage peuvent être vues par une
représentation appelée graphe d’adjacence (Figure I-2).
i i i
j j k
(a) Graphe de voisinage)(i . (b) Graphe de voisinage ),( ji . (c) Graphe de voisinage ),,( kji .
Figure I-2. Graphe d’adjacence qui représente le voisinage sur un maillage.
La définition de voisinage d’un maillage permet de classer le type du maillage
comme ‘variété’ (avec bord ou sans bord) ou ‘non-variété’ [LACH98a]. Un maillage de
surface est dit à variété uniforme sans bord si ses arêtes internes sont communes à
exactement deux faces, et à variété uniforme avec bord si pour quelques arêtes on ne trouve
qu’une seule face. La variété avec bord forme une surface ouverte et la variété sans bord
forme une surface fermée. Dans les autres cas, le maillage de surface est dit à ‘non-variété’.
C’est le cas de maillages de surface comportant des raidisseurs ou ayant plusieurs
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
30
composantes connexes [XU99]. Plus précisément, pour chaque sommet { } Ki ∈ , si une
réalisation topologique )(voisinage i de )(voisinage i est homéomorphe à mR ou au
demi-espace de mR tel que { }0≥∈ mm xRx / , on dit que K est une variété m-
dimensionnelle avec bord ou sans bord. Par exemple, si )(voisinage i est homéomorphe à
un disque (sommet intérieur) ou un demi-disque (sommet de bord) dans 2R , K est une
variété 2-dimensionnelle. Nos algorithmes se focalisent sur les maillages ayant la variété
bidimensionnelle.
3. Analyse multirésolution en ondelettes de la surface des objets 3D
La forme classique de l’analyse multirésolution proposée par Meyer et Mallat
[MEYE93] [MALL89] est dans un espace non borné sur l’axe réel (−∞ ,+∞ ) [PROS97a].
Malheureusement, cette approche, bien que remarquable d'un point de vue théorique, est
problématique pour la plupart des applications d'infographie ou de traitement de l’image.
Puisque beaucoup de fonctions d'intérêt, telles que des images ou des maillages, sont
seulement définies sur une région bornée de l’axe réel [QUAK94].
Nous présentons ici une version de l’analyse multirésolution plus adaptée à notre
problématique. Elle est basée sur un espace borné de l’axe réel, donc, s’adapte plus
naturellement aux ensembles de données finies rencontrées dans les applications pratiques
de l'infographie et de l’imagerie [STOL95a]. Cette méthode est applicable aux fonctions
définies sur les domaines topologiques plus généraux, comme les domaines sphériques, et
permet de développer nos travaux dans le domaine tridimensionnel.
3.1 Principe de la théorie de l’analyse multirésolution par transformation enondelettes orthogonales
On considère un ensemble emboîté d’espaces vectoriels d’approximation :
V V V V j0 1 2⊂ ⊂ ⊂ ⋅ ⋅ ⋅ ⋅ ⋅ ⊂ ⊂ ⋅ ⋅ ⋅ ⋅ ⋅ . (I-2)
Lorsque j augmente, la résolution des fonctions de l’espace vectoriel V j augmente. Une
fonction de base pour V j est appelée fonction d’échelle. L’étape suivante de l’analyse
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
31
multirésolution consiste à définir l’espace d’ondelettes noté W j . Pour chaque j , W j est
défini comme le complément de V j dans 1jV + . Le sous-espace vectoriel W j comporte
toutes les fonctions de 1jV + qui sont orthogonales à toutes les fonctions de V j selon le
produit scalaire choisi. Les fonctions de base de W j sont appelées ondelettes [STOL96].
Nous focaliserons notre présentation sur les fonctions d’échelles et ondelettes
définies sur un domaine borné pour les surfaces compactes de 3R de topologie arbitraire.
Dans ce cas, chaque espace V j et W j a une dimension finie permettant l’utilisation d’une
notation matricielle.
3.2 Raffinement des fonctions
Pour un niveau donné j , nous pouvons construire deux vecteurs lignes composés
des fonctions génératrices et des ondelettes,
[ ])(....)()( xxx j
1m
j0
jj −
= ϕϕ- , (I-3.1)
[ ])(....)()( xxx j
1n
j0
jj −= ψψ� , (I-3.2)
où jm et jn sont, respectivement, la dimension de jV et de jW .
Les sous-espaces 1jV − doivent être imbriqués, en conséquence les fonctions
d’échelle de l’espace 1jV − sont des combinaisons linéaires de celles de l’espace jV . C’est
à dire que pour tout ⋅⋅⋅⋅= 2,1,j , il doit exister une matrice jP tel que
jj1j xx P-- )()( =− . (I-4)
Notons que si jV et 1jV − ont, respectivement, des dimensions jm et 1jm − , alors jP est
une matrice de dimension 1jj mm −× .
Par définition, l’espace d’ondelette 1jW − est aussi un sous-espace de jV . Par
conséquent, chaque ondelette au niveau 1j − est aussi exprimable comme une
combinaison linéaire de fonctions d’échelle plus fines au niveau j . On peut écrire les
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
32
ondelettes )(x1j −� comme un produit des fonctions d’échelle )(xj
- par une matricejQ
jj1j xx Q-� )()( =− . (I-5)
Si jV et 1jV − sont respectivement de dimension jm et 1jm − , alors 1jW − est de
dimension 1jj mm −− , et jQ doit être une matrice de dimension )( 1jjj mmm −−× .
Les équations (I-4) et (I-5) peuvent être exprimées sous la forme d’une équation
unique en utilisant la notation matricielle par blocs [LOUN97],
[ ] [ ]jjj1j1j QP-�- =−− . (I-6)
1jW − doit être le complément orthogonal de 1jV − dans jV , alors, il est nécessaire
que )(x1j −� soit orthogonale à )(x1j −
- [MEYR94]. En d’autres termes,
0xx jl
jk =⟩⟨ )()( ψϕ pour tout k , l . Ceci peut être encore représenté par la notation
matricielle symbolique :
[ ] 0�- =>< jj (I-7)
3.3 Bancs de filtres
Considérons une fonction )(xf dans l’espace vectoriel jV . Cette fonction peut se
développer sous la forme :
∑=i
ji
ji xcxf )()( ϕ , (I-8)
où ><= )(,)( xxfc ji
ji ϕ . Les coefficients j
ic peuvent être représentés par une matrice
colonne [ ] Tj
1m
j0
jjcc −
⋅⋅⋅⋅=C et, par exemple, pourraient être présentés comme les
coordonnées )( zyx ,, d’un maillage dans 3R .
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
33
A partir de jC , nous pouvons créer une version basse résolution 1j −C avec un
plus petit nombre de coefficients : 1jm − . L’approche standard pour créer 1j −C , consiste à
utiliser un filtrage et un sous-échantillonnage des coefficients de jC avec jm . Ce
processus est réalisé par un produit matriciel entre 1j −C et jA comme suit
jj1j CAC =− , (I-9)
où jA est une matrice de transformation de dimension 1jj mm −× .
Du fait que 1j −C contient moins d’éléments que jC , une certaine quantité de
détails est perdue dans ce processus de filtrage. Les détails perdus peuvent être calculés par
jj1j CBD =− , (I-10)
où jB est une matrice )( 1jjj mmm −−× liée à jA . La paire de matrices jA et jB
s’appelle ‘filtres de l’analyse’. Le processus de décomposition de jC en coefficients
d’approximation 1j −C et de détail 1j −D s’appelle analyse ou décomposition (Figure I-3)
[FINK96].
jA 1j −A 1AjC 1j −C 2j −C ⋅⋅⋅⋅ 1C 0C
jB 1j −B 1B1j −D 2j −D 0D
Figure I-3. Processus d’analyse .
Si jA et jB sont choisis correctement, alors les coefficients originaux dejC
peuvent être reconstruits exactement en utilisant des matrices jP et jQ , telle que
1jj1jjj −− += DQCPC . (I-11)
Ce processus s’appelle synthèse ou reconstruction, et dans ce contexte, jP et jQ
s’appellent ‘filtres de synthèse’ (Figure I-4).
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
34
1P 2P jP0C 1C 2C ⋅⋅⋅⋅ 1j −C jC
1Q 2Q jQ
0D 1D 2D 1j −D
Figure I-4. Processus de synthèse.
Notons que la procédure de décomposition de jC en une partie de basse résolution1j −C et une partie de détails 1j −D peut être appliquée récursivement aux nouveaux
coefficients 1j −C . Ainsi, les coefficients originaux peuvent être exprimés comme une
hiérarchie de résolutions plus basses 1j0 −⋅⋅⋅⋅ C,,C et de détails 1j0 −⋅⋅⋅⋅ D,,D . Puisque les
coefficients originaux jC peuvent être reconstruits exactement à partir de1j100 −⋅⋅⋅⋅ DD,DC ,, , cette série de coefficients peut être considérée comme une
transformation des coefficients originaux, connue sous l’appellation de transformation en
ondelettes [VETT84] [RIOU91].
Du fait que j1j VV ⊂− et 1j1j WV −− ⊥ , les filtres de l’analyse jA et jB sont
des matrices satisfaisant la relation suivante,
[ ])()( xx 1j1j −−�-
j
j
BA
= )(xj- . (I-12)
Notons que [ ]jj QP et
j
j
BA
sont deux matrices carrées. Alors, les équations (I-6) et
(I-12) donnent une relation entre les filtres d’analyse et les filtres de synthèse
[ ] 1−jj QP =
j
j
BA
. (I-13)
[ ]jj QP doit être inversible. Dans le cas particulier des ondelettes orthogonale on a
[ ] 1−jj QP = [ ] T−jj QP ( =T transposé).
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
35
L’itération de l’analyse de la résolution originale j J= à j = 0 résolution
minimale, est un schéma multirésolution.
4. Subdivision de surfaces et ondelettes
La subdivision est une méthode alternative pour modéliser les surfaces 3D de
topologique arbitraire [SCHW96]. La subdivision récursive qui s'applique aux surfaces,
mène à une collection de fonctions d’échelles rafinables (cf. Figure I-4), et par conséquent
à une séquence d’espaces linéaires imbriqués selon les exigences de l'analyse
multirésolution. Donc, des surfaces produites par la subdivision peuvent être décomposées
hiérarchiquement en utilisant les ondelettes [STOL96].
Dans la section suivante, nous expliquons les méthodes de subdivision, et montrons
que la subdivision peut être associée aux ondelettes en satisfaisant les contraintes de
l’analyse multirésolution dans le domaine tridimensionnel.
4.1 Subdivision de surfaces
La subdivision de surfaces permet la construction de surfaces lisses avec une
topologie arbitraire. La subdivision de surfaces est définie en raffinant itérativement un
maillage de contrôle 0M de sorte que l'ordre du maillage soit de plus en plus fragmenté en
facettes ⋅⋅⋅,, 21 MM et converge vers une surface limite ∞=MS [HANR97] [JOY97b].
Chaque étape de raffinement se compose de sous-étapes de division et de moyenne.
Dans une sous-étape de division, chaque face de 1jM − est divisée en quatre sous-faces par
introduction de sommets aux points médians des arêtes, en créant un maillage auxiliairejM̂ . L’étape de moyenne utilise la moyenne pondérée locale pour calculer les positions
des sommets de jM par les positions de sommets de jM̂ (Figure I-5).
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
(a) Octaèdre
Figure I-5. Une étap
le maillage 0M afin
Catmull et C
splines bi-cubiques
topologique arbitra
rectangulaire. En 1
triangulaire par l’ins
ensuite par Dyn et
déplacement à cha
position des points
Pendant la p
subdivision de surf
comportement des
complètement réso
subdivision. Dans l
des arêtes, les nou
et 4 sommets vois
différents de 6 ou 4
réponse satisfaisan
subdivision, le rés
techniques ont sus
nombreux avantage
utilise la règle d’arê
présenté le schéma
M0M
1M̂ 1M
0
36
(b) Division de l’octaèd
e de subdivision de surfac
de paramétrer la surface lim
lark [CATM78], Doo et Sab
et bi-quadriques, respectiv
ire en présentant des irr
987, Loop [LOOP87] a pr
ertion de sommet. La mét
al. [DYN90]. Cette méth
que étape de subdivision,
médians des arêtes introdu
ériode de 1978 à 1995,
aces aient été élaborées,
surfaces de subdivision p
lue. Les points extraord
es méthodes basées sur l’i
veaux sommets à l’intérieur
ins. Les sommets extraord
et restent constants pour t
te à cette question en 199
ultat définitif de l'analyse,
cité un grand d'intérêt dan
s propres à la subdivision.
te était introduit par Kobbe
basé sur la méthode Butterfly, a
Division
xx =)(S
ˆ 1re à 1j = (c) Moyenne de l’octaèd
e sur l’octaèdre et poursuite d
ite )(xS .
in [DOO78] en 1978 ont géné
ement, pour réaliser des su
égularités dans un maillage
oposé un schéma qui raffine
hode nommée ‘Butterfly’ a été dév
ode laisse les sommets ex
et utilise la moyenne locale p
ites par division.
bien que quelques nouvelles
une question fondamentale,
rès des points extraordinaire
inaires sont des sommets
ntroduction de sommets aux
et au bord du maillage ont re
inaires ont un nombre de so
oute subdivision. Reif [REIF95
5, et, pour toutes les surface
a été obtenu ces dernières
s la littérature d'infographie
Successivement, un schéma i
lt [KOBB96] et Zorin et al. [ZORI9
vec des règles spéciales, app
Moyenne
xx =)(S
10
re à 1j =
’un point sur
ralisé les B-
rfaces de type
de contrôle
un maillage
eloppée
istants sans
our calculer la
méthodes de
portant sur le
s, n'a pas été
invariants par
points médians
spectivement 6
mmets voisins
] a donné une
s inventées par
années. Ces
en raison des
nterpolation qui
6] ont
liquées aux
)(xS
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
37
sommets voisins des sommets extraordinaires, qui conduisent à des surfaces plus lisses que
la méthode Butterfly. DeRose et al. [DERO98] ont utilisé la subdivision de surfaces pour la
fabrication du film d’animation ‘Geri’s game’, et Guskov et al. [GUSK99] ont construit un
algorithme pour le lissage géométrique des maillages triangulaires irréguliers.
Dans toutes les subdivisions la position des sommets de jM est une combinaison
linéaire de la position des sommets de 1jM − . Ainsi, si 1j −C est une matrice dont la i
ème
ligne comprend les coordonnées x , y , et z du sommet i de 1jM − , il existe une matrice
non-carré des constantes telle que
1jjj −= CPC . (I-14)
La matrice jP caractérise donc la méthode de subdivision. Cette matrice se retrouve dans
reconstruction en analyse multirésolution décrite par l’équation (I-11).
4.2 Espaces imbriqués et raffinement des fonctions d’échelles dans lasubdivision de surfaces
Dans cette section, nous prouvons que la subdivision itérative, appliquée aux
surfaces, mène à une collection de fonctions d’échelles rafinables et, par conséquent, à une
séquence d’espaces linéaires imbriqués selon les exigences de l'analyse multirésolution.
Les fonctions d’échelles associées à la technique de subdivision, peuvent être
construites sur l’axe infini, ou l’axe réel borné, dans 2R ou 3R . Une surface doit être
paramétrée dans un domaine du type topologique égal ou supérieur à cette surface. Si le
type topologique de la surface est un disque, on peut utiliser le domaine 2R . Cependant, les
techniques de définition des fonctions d’échelles qui étaient utilisées dans 2R , ne peuvent
pas être utilisées pour les surfaces de topologie plus générales [SCHR95]. Afin d’éviter cet
écueil, nous choisissons le maillage initial 0M , ce qui définie le type topologique. La
surface limite a le même type topologique que 0M . Nous montrons ci-dessous qu’il est
relativement facile de paramétrer la surface limite de type topologique identique à 0M .
Nous prouvons dire alors que la paramétrisation induit des fonctions d’échelles rafinables,
et par conséquent des espaces vectoriels imbriqués.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
38
D'une façon générale, la paramétrisation d’une surface est une correspondance
biunivoque entre les points dans un domaine bidimensionnel et les points sur la surface de
l’espace 3D. L'idée à l’origine de l’établissement d’une paramétrisation pour une
subdivision de surface est de retrouver un point x sur 0M par le processus de subdivision.
Le point x qui est trouvé, converge en un point sur la surface limite, établissant de ce fait
une correspondance S entre le point sur 0M et le point sur la surface limite. C'est
équivalent à établir )(xS en employant chaque maillage sM pour définir une fonction
linéaire par morceau )(xsS , où x s’étend sur 0M . Nous prenons alors )(xS comme la
fonction pour laquelle la séquence ⋅⋅⋅⋅),(),( xx 10 SS converge (Figure I-5) [STOL96].
Un traitement formel de la construction de la paramétrisation de subdivision de
surfaces est donné par Lounsbery et al. [LOUN94]. Pour cela, il suffit d’observer que
chaque étape du processus de subdivision est linéaire pour les sommets de la matrice jC .
Cette linéarité se retrouve dans la limite, signifiant que chaque point )(xS sur la surface
limite peut être écrit comme une combinaison linéaire des points de contrôle initiaux 0C .
∑ ∈=i
00i
0i McS pour )()( xxx ϕ (I-15)
Puisque )(xS sur la surface limite définie par les valeurs 0ic est identique à )(xS définie
par les valeurs jic pour n'importe quel j , nous pouvons définir plus généralement
0
i i i
ji
ji
1ji
1ji
0i
0i McccS ∈⋅⋅⋅⋅===⋅⋅⋅⋅== ∑ ∑ ∑−− xxxxx pour)()()()( ϕϕϕ , (I-16)
ou sous forme matricielle
0jj1j1j0 MS ∈⋅⋅⋅⋅===⋅⋅⋅⋅== −− xCx-Cx-Cx-x pour)()()()( 0 . (I-17)
Selon (I-15), nous pouvons réécrire les points au niveau de subdivision 1j − comme les
points au niveau de subdivision j . Avec la combinaison de l’équation (I-14) et (I-15) on en
déduit la forme matricielle suivante
0jj1j
1jjjjj1j1j
M∈=⇒==
−
−−−
xPx-x-
CPx-Cx-Cx-
pour)()(
)()()( (I-18)
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
39
Cette équation est connue sous le nom de relation de raffinement pour la fonction d’échelle
pour 1j = ou de raffinement des fonctions d’échelles pour 1j > . La matrice jP est une
matrice dite de subdivision.
Une chaîne d’espaces vectoriels imbriqués )( 0j MV associée à un maillage peut
être définie comme
{ }⋅⋅⋅⋅⋅⋅⋅⋅= ,)(,,)(,)( :)( xMV ji
j2
j1
0j ϕϕϕ xx . (I-19)
)( 0j MV est l'espace de toutes les fonctions exprimables comme une combinaison linéaire
de toutes les fonctions d’échelles de )(x-j . La relation de raffinement donnée dans
l'équation (I-18) implique que ces espaces vectoriels sont imbriqués selon les exigences de
l'analyse multirésolution.
4.3 Produits scalaires sur des surfaces de l’espace 3D
Etant donné une chaîne d’espaces vectoriels imbriqués, l'autre opération nécessaire
pour la création d'une analyse multirésolution est la définition d’un produit scalaire sur ces
espaces. Le produit scalaire sera utilisé pour caractériser l’orthogonalité, entre les fonctions
de base dans la construction des ondelettes bi-orthogonales [SWEL96a]. Le produit
scalaire doit être défini pour les fonctions dont le domaine est 0M .
Lounsebery et al. [LOUN97] ont défini un produit scalaire et ont donné une
méthode pour calculer exactement ce produit scalaire des fonctions définies par n'importe
quelle procédure de subdivision continue à convergence uniforme.
Si deux fonctions )(, 0j MVgf ∈ sont des combinaisons linéaires de fonctions
d’échelles définies par subdivision, le produit scalaire de f et g est défini comme
∫∑ ∈∆∈
=><τ
τ τ xxxx dgfgf
0M
)()()Aire(
1,
)(
(I-20)
où ∆ ( )M 0 dénote l’ensemble des triangles élémentaires constituant le maillage 0M , τdénote un triangle dans cet ensemble, Aire)(τ est l’aire du triangle τ , et xd correspond à
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
40
l’aire différentielle courante dans R3 . Du fait de la normalisation par l’aire, cette définition
du produit scalaire ne prend pas en compte l’aire de chaque triangle constituant le maillage0M . C’est à dire que l’on suppose que tous les triangles ont la même aire. Il s’ensuit que le
produit scalaire est indépendant des positions géométriques des sommets de 0M et il ne
considère que la connectivité des sommets.
Il y a un inconvénient majeur dans le produit scalaire défini dans l’équation (I-20).
Pour avoir un sens physique, dans le processus de construction de l’approximation d’une
fonction, il faut que chaque triangle ait sensiblement la même aire. Néanmoins, ce choix a
un avantage pratique d’importance. Puisque les produits scalaires ne dépendent pas de la
géométrie du maillage, on peut effectuer un précalcul de ce produit scalaire sur les
ondelettes permettant une implémentation rapide de l’algorithme de décomposition en
ondelettes.
En ce qui concerne la subdivision linéaire par morceaux pour la définition des
surfaces polyédriques, la fonction génératrice )(x0iϕ est simplement une fonction chapeau
sur 0M (la fonction d’échelle au sommet s d’un maillage, est une fonction linéaire bornée
dont la valeur est 1 à s). Elle est connectée aux voisins de s, et son voisin est 0 pour tous
les autres sommets voisins. La Figure I-6 représente un exemple d’une fonction génératrice
définissant le sommet pour 1s dans un espace à 6 sommets (valence 5).
1s
Figure I-6. Une fonction génératrice chapeau (fonction d’échelle en 1i = et 0j = ) pour un
sommet 1s de valence 5.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
41
Les fonctions f et g jV∈ sont définies comme des combinaisons des fonctionsj
iϕ comme suit
∑=i
ji
jiff )()( xx ϕ , ∑=
i
ji
jigg )()( xx ϕ , (I-21)
le produit scalaire peut s’exprimer sous la forme matricielle suivante
jjjgf fIg T)(, =>< , (I-22)
où jjf f-x =)( , jjg g-x =)( , jf et jg sont des vecteurs colonnes constitués de
coefficients jif et j
kg , jI est la matrice carrée ( ><= ji'
jii'i
j ϕϕ ,)(I ). En conséquence, il
est possible de déterminer exactement les éléments de jI . Compte tenu que la surface du
triangle de 0M se réduit par un facteur de 4 à chaque subdivision, le Jacobien du produit
scalaire khj )(I correspondant à ''I kh
1j )( + est ¼ ; c’est à dire, ''II kh1j
khj )()(4
1 += .
L’équation (I-22) permet d’observer une relation de récurrence entre jI et 1j+I par
l’insertion des matrices des fonctions d’échelles dans l’équation (I-20) :
∫ ∈=
0M
jjj dx
xx-x-I )())(( T , (I-23-1)
en utilisant l’équation (I-18) il vient :
∫ ∈
++++=0M
1j1j1j1jj dx
xPx-x-PI )())(()( TT ,
1j1j1jj +++= PIPI T)( . (I-23-2)
La description ci-dessus établit un cadre théorique pour calculer les produits
scalaires des fonctions d’échelles rafinables. Dans la pratique, à la fois d’un point de vue de
la précision et de la réduction du temps de calcul, il est plus efficace de réduire la taille du
système linéaire en détectant les cas ‘identiques’ à chaque niveau de résolution. Par
exemple, dans un voisinage suffisamment subdivisé, toutes les fonctions d’échelles
centrées aux sommets adjacents à un sommet extraordinaire de valence n, sont dites
‘identiques’, car elles sont symétriques et ont la même forme.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
42
4.4 Ondelettes bi-orthogonales associées à la subdivision de surfaces 3D
Nous venons de construire les espaces vectoriels imbriqués et les produits scalaires
pour la représentation de l’analyse multisésolution par subdivision de surfaces dans 3R .
Suite à cette définition, nous pouvons construire une base d’ondelettes bi-orthogonales
avec les propriétés suivantes :
• Les ondelettes peuvent être construites à partir des surfaces réelles en utilisant un
maillage à faces triangulaires.
• Lorsque les filtres d’analyse et de synthèse associés à ces ondelettes sont obtenus
par des schémas d’interpolation comme la subdivision polyédrique ou le schéma
butterfly [DYN90], alors le temps de calcul peut-être optimisé pour qu’il soit une
fonction linéaire de la dimension.
• Les ondelettes sont presques orthogonales aux fonctions d’échelles, dans le sens où
le produit scalaire entre une ondelette et une fonction d’échelle est proche de zéro.
Autrement dit, le maillage à la résolution j est quasi la meilleure approximation au
sens des moindres carrés du maillage au niveau 1j + .
Pour développer les ondelettes bi-orthogonales, la source de réflexion commence
avec le concept d’ondelettes lazy [SWEL96a]. Puis l’opération de transformation
généralisée appelée lifting permet d’améliorer l’orthogonalité : ondelettes⊥ fonctions
d’échelles. Le Lifting est une opération qui transforme un schéma multirésolution avec
ondelettes bi-orthogonales en un autre schéma bi-orthogonal où l’orthogonalité ondelettes-
fonctions d’échelles est accrue. Le lifting, proposé par Sweldens, généralise les ondelettes
construites par Lounsbery qui sont reconnues comme, une construction particulière de type
lifting [SWEL96b].
Comme on peut le constater sur la Figure I-7, dans le processus qui divise chaque
face de 1jM − en quatre sous-faces en présentant des points au milieu des arêtes pour créer
un nouveau maillage jM , on peut séparer les fonctions d’échelle associées avec des
anciens sommets de celles associées à de nouveaux sommets dans )(x-j . Elles peuvent
être exprimées dans la matrice blocs par :
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
43
[ ])()()( x-x-x-jn
ja
j = , (I-24)
où )(x-ja sont les fonctions d’échelles associées aux anciens sommets et )(x-
jn sont les
fonctions d’échelles associées aux nouveaux sommets dans jV . Dans ce cas, les ondelettes
lazy )(x�1j
lazy− sont définies par les fonctions d’échelles associées avec les nouveaux
sommets dans jV , c’est à dire, )()( x-x�jn
1jlazy =− . Ceci permet d’introduire une relation
de raffinement pour les ondelettes lazy par les matrices jlazyP et j
lazyQ :
[ ] [ ] [ ]jlazy
jlazy
jn
ja
1jlazy
1j QPx-x-x�x- )()()()( =−− , (I-25)
où les matrices de synthèse d’ondelettes lazy peuvent s’écrire sous la forme :
=
IP
0PQP
jn
jaj
lazyj
lazy . (I-26)
Donc, les matrices d’analyse peuvent être obtenues par l’équation (I-13) :
−=
=
−
−−
IPP
0P
IP
0P
B
A1
11
)(
)(j
aj
n
ja
jn
ja
jlazy
jlazy
. (I-27)
Dans les schémas d’interpolation, les anciens sommets sont jamais déplacés,
signifiant que IP =ja . Alors, les matrices de synthèse et d’analyse sont données par
=
IP
0IQP j
n
jlazy
jlazy et
−
=
IP
0I
B
Aj
njlazy
jlazy
(I-28)
Nous représentons sur la Figure I-7 un exemple de la subdivision polyédrique d’un
tétraèdre pour les matrices de synthèse et d’analyse d’ondelettes lazy.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
44
0M 1M 2M
: Anciens sommets. : Nouveaux sommets.
=
1100101010010110010100112000020000200002
2
11lazyP
=
100000
010000
001000
000100
000010
000001
000000
000000
000000
000000
1lazyQ
=
0000001000
0000000100
0000000010
0000000001
1lazyA
−−−−−−
−−−−
−−
=
200000110002000010100020001001000200011000002001010000020011
2
11lazyB
Figure I-7. Subdivision polyédrique d’un tétraèdre et les matrices de synthèse et d’analyse
des ondelettes lazy.
V3 V3
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
45
Bien que les ondelettes lazy autorisent un processus rapide d’analyse et de synthèse,
les fonctions et les ondelettes obtenues, ne sont pas orthogonales avec les fonctions
d’échelles. Donc, on obtient des approximations grossières de surface en utilisant les
ondelettes lazy car cela revient à un simple sous-échantillonnage de la surface de haute
résolution. Autrement dit, cette méthode ne produit pas la meilleure approximation au sens
des moindres carrés. Pour tendre vers la meilleure approximation au sens des moindres
carrés, de nouvelles ondelettes sont construites de façon plus orthogonale aux fonctions
d’échelles comparativement aux ondelettes lazy. Afin de satisfaire au mieux à la condition
d’orthogonalité, il est nécessaire de modifier les ondelettes lazy en soustrayant une
combinaison linéaire des fonctions d’échelles de la même résolution comme suit
)()()( , xxx 1jk
k
jik
jin
1ji
−− ∑−= ϕαϕψ , (I-29)
où k est limité à quelques valeurs correspondantes aux sommets de 1jM − dans le
voisinage de )(, xjinϕ et j
ikα sont les coefficients de pondération des fonctions d’échelles.
Cette opération correspond au Lifting introduit par Swelden [SWEL96a]. Le plus petit
choix symétrique pour le vecteur colonne j. se compose donc de seulement deux
éléments non nuls correspondants aux deux sommets parents. Une façon symétrique
d'augmenter les supports est d'ajouter des éléments à j. correspondants aux voisins
(disque d’ordre k) des sommets parents. Le disque d’ordre k d'un sommet est l'ensemble de
tous les sommets accessibles par k suivant les arêtes du maillage triangulaire dans le
voisinage le plus proche [STOL96]. A titre indicatif, nous avons représenté sur la Figure I-
8 les trois premiers disques d’ordre k de deux sommets d’une même arête. Au cours du
processus d’extension du nombre d'éléments non nuls de j. , les supports des ondelettes
)(x�1j − minimales se croissent, et, par conséquent, les ondelettes tendent vers
l’orthogonalité.
(a) Disque d’ordre 0. (b) Disque d’ordre 1. (c) Disque d’ordre 2.
Figure I-8. Sommets dans les disques d’ordre k de deux sommets d’une même arête dans
une triangulation régulière.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
46
Figure I-9 montre ces ondelettes générées par un tétraèdre subdivisé à la résolution 4j = .
Figure I-9. Ondelettes générées par subdivision polyédrique d’un tétraèdre.
L’équation (I-29) peut s’exprimer sous la forme matricielle, dans laquelle les
éléments de la matrice j. peuvent être déterminés en imposant que )(x�
1j − soit
orthogonal à )(x-1j − : [ ] 0x�x- =>< −− )()( 1j1j .
j1j1jlazy
1j.x-x�x� )()()( −−− −= . (I-30)
Dans l’équation (I-30), si on établit les produits scalaires avec )(x-1j − , on obtient
[ ] [ ] [ ] 0x-x-x�-x�x- =><−><=>< −−−−−− j1j1j1jlazy
1j1j1j.)()()()()( ,
par ailleurs on a jlazy
j1j Px-x- )()( =− et jlazy
j1jlazy Qx-x� )()( =− d’où,
(a) Une ondelette lazy.
(c) Une ondelette du disque d’ordre 1. (d) Une ondelette du disque d’ordre 2.
(b) Une ondelette du disque d’ordre 0.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
47
[ ] [ ] 0Px-Px-Qx-Px- . =><−>< jjlazy
jjlazy
jjlazy
jjlazy
j )()()()(
( ) ( ) jjlazy
jjlazy
jlazy
jjlazy .PIPQIP
TT= ,
en utilisant l’équation (I-23-2) il vient
( ) ( ) jlazy
jjlazy
1jj QIPI.T1−−= (I-31)
En incorporant jj1j Qx-x� )()( =− , jlazy
j1jlazy Qx-x� )()( =− , et j
lazyj1j Px-x- )()( =−
dans l’équation (I-30), il vient
−=
jj
lazyjlazy
jlazy
jj.PQPQP et
+=
=
−
jlazy
jlazy
jjlazyjj
j
j
B
BAQP
BA .1
(I-32)
Par exemple, pour le cas de la Figure I-7, si on utilise l’ondelette du disque d’ordre illimité,
on obtient
−−−−−−−−−
−−−
=
333111
131331
113313
311133
8
11.
−−−−−−−−−−−
−−−−−−−−−−−−−−−
−−−−−−
−−−
=
511111
151111
115111
111511
111151
111115
333111
131331
113313
311133
8
11Q
−−−−−−−−−−−−−−−−−−
−−−−−−
=
6662227111
2626621711
2266261171
6222661117
16
11A
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
48
Dans notre travail de thèse nous n’avons pas limité la dimension du disque. Ce qui
revient à dire que sa dimension est celle du maillage lui même. En d’autre terme, j.
utilise toutes les fonctions d’échelles. Bien que les oscillations des ondelettes s’atténuent
très rapidement, ce qui est une propriété essentielle des ondelettes, le fait de ne pas limiter
les supports nous place dans les meilleures conditions d’approximation du maillage à
chaque niveau de résolution. De plus, ce choix évite une étude en fonction de la dimension
du disque, ce qui allège ce travail. Dans une mise en œuvre pratique, la limitation du
disque réduit le volume des calculs. Le seul cas où nous avons limité le disque à l’ordre 3
correspond au chapitre III car ce dernier travail a débouché sur une mise en œuvre
pratique programmée en langage C, alors que les autres travaux sont des prototypes
programmés dans le langage Matlab.
5. Remaillage
Du fait de la possibilité de représenter les surfaces à des résolutions variables en
préservant la réversibilité de la simplification, cette approche est très attrayante.
L'inconvénient majeur de ces méthodes est qu’elles peuvent seulement être appliquées aux
maillages possédant la connectivité de subdivision. C’est à dire, les maillages obtenus à
partir d'un maillage de base : niveau de résolution j=0 suivi de subdivision 1 :4 des faces.
Or, les maillages rencontrés en pratique, ne répondent pas à cette exigence.
Pour surmonter la contrainte de la connectivité de subdivision, une méthode
alternative appelée ‘remaillage’ (en anglais remesh) a été développée par plusieurs
chercheurs de la communauté scientifique internationale. La méthode de remaillage repose
sur la construction d’un nouveau maillage par modifications successives du maillage
initial. Le remaillage permet d’obtenir un maillage régulièrement subdivisé ayant une
connectivité de subdivision à partir d’un maillage irrégulièrement subdivisé. L’opération de
remaillage est basée sur des modifications locales de nature topologique et des opérations
de nature géométrique [KLEI97].
Eck et al. [ECK95] ont proposé une méthode de remaillage pour une topologie
arbitraire. Leur approche approxime un maillage arbitraire M par un maillage subdiviséJM avec une erreur inférieure à une tolérance prescrite 1ε . Eck et al. construisent
d’abord un maillage de base polyédrique triangulaire conservant la même topologie que la
surface à remailler par pavage de Voronoi [CHAS91] [LÖTJ98]. En utilisant une séquence
de transformations harmoniques locales, une paramétrisation, qui est lisse au-dessus de
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
49
chaque triangle du maillage de base, est construite. Ils utilisent alors la subdivision
quaternaire répétée à partir du maillage de base pour construire un nouveau maillage qui se
rapproche de la surface à remailler. Un modèle multirésolution du nouveau maillage est
alors établi en utilisant des techniques d’ondelettes. Mais, les temps d'exécution pour
l'algorithme peuvent très être longs en raison des nombreux calculs de transformations
harmoniques. Ce problème a été partiellement résolu par Duchamp et al. [DUCH97] qui
ont réduit le temps de calcul par l’introduction préalable d’une opération de hiérarchisation.
Malheureusement, un grand nombre de niveaux de subdivision globale, peuvent être
nécessaires pour résoudre une petite région à forte courbure. Dans ce cas, chaque niveau
supplémentaire de subdivision par quatre augmente dramatiquement la quantité de calculs
et l’espace mémoire nécessaire. D’une autre part, Klein [KLEI97] a constaté que, dans le
cas particulier de maillages relativement simples, le pavage de Voronoi par Eck échoue. Ce
dernier propose un algorithme de pavage basé sur les sommets.
Lee et al. [LEE98] ont développé un algorithme pour le calcul rapide de la
paramétrisation des surfaces à topologie arbitraire. Ils construisent d’abord la
paramétrisation par transformations conformes itérées pendant la simplification par
suppression de sommets. En utilisant cette paramétrisation, ils ont réalisé un algorithme
hiérarchique pour le remaillage. Cependant, dans cet algorithme, la paramétrisation locale
n'est pas considérée.
Les méthodes décrites ne sont pas adaptées à un maillage avec des régions
complexes ou à forte courbure, puisque tous les triangles du maillage sont subdivisés. Le
remaillage local serait plus pertinent.
D’une autre part, les représentations nommées maillages normaux et surfaces
subdivisées de substitution (en anglais, respectivement, normal meshes, displaced
subdivision surface) sont proposées récemment par Guskov et al. [GUSK00], Lee et al.
[LEE00]. Guskov et al. représentent une surface en appliquant successivement substitution
hiérarchique des maillages pendant sa subdivision [GARL96]. Un maillage normal est un
maillage multirésolution dans lequel des sommets peuvent être trouvés dans la direction
normale, à partir d’un certain niveau initial. Leur construction permet à la plupart des
sommets d'être encodés en utilisant des déplacements scalaires, mais une petite fraction des
sommets exigent des déplacements vectoriels pour empêcher le pliage de la surface. Lee et
al. ont montré qu'une surface arbitraire peut être approximée par une surface de subdivision
substituée, dans laquelle la géométrie est encodée comme une fonction avec la valeur
scalaire sur un domaine de surface [COOK84]. En conséquence, sa représentation définit le
domaine de la surface et la fonction de substitution en utilisant la subdivision de Loop
[LOOP87]. Elle permet la compression efficace et est également convenable pour
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
50
l'animation, l'édition, et le contrôle de niveau de détail des maillages 3D. Cependant, les
surfaces de subdivision par substitution nécessitent la contrainte supplémentaire des
déplacements strictement scalaires. Donc, une fois subdivisées et déplacées, les arêtes du
maillage de contrôle ne suivent généralement pas exactement des plis de la surface initiale.
6. Simplification de maillages triangulaires
Une application particulièrement intéressante de la représentation multirésolution
concerne la simplification géométrique réversible de maillages triangulaires associés à des
objets 3D. Dans le cas où les maillages ont un trop grand nombre de triangles, leur
visualisation, traitement, et transmission sont difficiles, il est nécessaire de réduire ce
nombre, tout en préservant l’approximation géométrique des maillages. C’est l’objectif des
algorithmes de simplification de maillages.
La simplification de maillages consiste à trouver un maillage d’une complexité
géométrique moindre tout en conservant une distorsion visuelle acceptable des maillages
originaux. La simplification des maillages permet une compression efficace des maillages
triangulaires pour leur transmission [ALLI98]. En outre, cette simplification offre la
possibilité de réduire et de simplifier un certain nombre de calculs de rendu des objets 3D.
Les deux méthodologies les plus communes pour la simplification de maillages sont
les approches par raffinement et par décimation [HECK97] [KRUS98] [ALLI00]. La
méthode par raffinement est un algorithme itératif qui commence par une première
approximation et ajoute des éléments (sommets, arêtes, triangles) à chaque étape.
Diamétralement opposée à la méthode par raffinement, la méthode par décimation
commence par la surface initiale et élimine itérativement des éléments (sommets, arêtes,
triangles) à chaque étape. Dans les parties suivantes, nous examinons brièvement ces
méthodes de simplification de maillages.
6.1 Simplification par raffinement
La simplification par raffinement commence par construire un modèle de base, puis
les régions de plus grande distorsion géométrique sont itérativement raffinées jusqu’à
l’obtention de la complexité géométrique souhaitée ou d’une erreur de distorsion maximale
autorisée. Cela signifie que la simplification par raffinement est en relation avec la
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
51
subdivision régulière ou irrégulière de surfaces [KOBB98] [DAUB99]. Faugeras et al.
[FAUG84] ont développé une technique de raffinement qui divise chaque triangle formé
des trois sommets du maillage original en 3 à 6 sous-triangles. Nous pouvons également
citer Delingette [DELI94] qui a proposé une méthode basée sur le maillage subdivisé en
icosaèdre. Cette méthode, par la minimisation d’une fonction d’énergie, permet d’ajuster
des surfaces en fonction de la répartition de l’ensemble des points dans l’espace
tridimensionnel.
Les méthodes de Lounsbery [LOUN94] [LOUN97] et Eck [ECK95] explicitées
dans la section précédente (page 31-48) sont les approches basées sur le raffinement pour
modéliser la décomposition en ondelettes des maillages triangulaires. Ces approches sont
basées, en premier lieu, sur la construction d’un maillage de basse résolution qui est un
maillage avec la même topologie que la surface d'entrée. Et en second lieu, elles utilisent la
subdivision quaternaire itérative du maillage basse résolution pour construire un nouveau
maillage qui se rapproche de la surface originale.
Dernièrement, des techniques intéressantes étaient proposées par Kobbelt
[KOBB98] et Daubechies [DAUB99] pour le raffinement rapide d’un maillage sous la
forme d’une séquence de raffinements obtenus par subdivision régulière.
6.2 Simplification par décimation
La simplification par décimation commence avec un maillage original et le
simplifie successivement jusqu’au niveau d'approximation désiré. Plus précisément, la
décimation consiste à supprimer itérativement un ou plusieurs éléments (sommets, arêtes,
triangles) du maillage afin d’atteindre une complexité géométrique minimale pour une
erreur donnée.
On peut définir principalement trois opérations élémentaires de décimation sur les
maillages triangulaires :
• Méthodes de décimation de sommet [SCHR92] [SOUC96] [KLER96] [BAJA99]
[HECK99] : elles suppriment un sommet et retriangulent son voisinage (Figure I-
10). A chaque opération élémentaire, un ensemble den triangles est ainsi remplacé
par 2n − triangles, dont l’arrangement conditionne en partie la qualité de
l’approximation.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
52
• Méthodes de décimation d’arête [HOPP96] [COHE97] [TAUB98b] [ERIK99]
[TOUB00] : elles suppriment une arête et deux triangles, et fusionnent deux
sommets (Figure I-11). Le degré de liberté résultant concerne la position du sommet
après contraction. En général, on peut fusionner deux sommets proches reliés par
une arête, et on peut l’étendre à une succession de fusions. Une optimisation locale
ou une heuristique détermine la position optimale du sommet résultant de la fusion.
Une variante consiste à conserver l’un ou l’autre des sommets initiaux dans la
contraction.
• Méthodes de décimation de triangle [HAMA94] [VARS94] [GIEN97] : elles
suppriment un triangle, trois arêtes, et fusionnent trois sommets en agglomérant
deux de ses sommets en un seul, appelé alors accumulateur, et retriangulent le
voisinage (Figure I-12). La position du sommet accumulateur peut être choisie en
conservant sa position initiale ou en générant un nouveau sommet. Dans le cas
général, ces méthodes réduisent un ensemble de n triangles en un ensemble de
4n − triangles (moins sur les bords du maillage).
D’ autre part, il existe des méthodes fonctionnant par la décimation de patchs qui
suppriment plusieurs triangles adjacents et retriangulent ses bords [HINK93] [VARS94]
[GOUR95] [KALV96]. Les méthodes par l’échantillonnage enlèvent un ensemble
d’échantillons sur le maillage et une optimisation est appliquée afin d’approximer au
mieux le maillage original [TURK92] [ROSS93] [ELSA99] [YEME00].
Parmi ces trois opérations de décimation, il n’existe pas de méthode idéale, puisque
chacune présente des atouts et des inconvénients. Les méthodes de décimation de sommets
nécessitent une retriangulation coûteuse. Elles fournissent le moyen de définir la résolution
d’un maillage au sommet près et ne déplacent pas les sommets initiaux. Les méthodes de
décimations d’arêtes représentent un cas particulier de la décimation de sommets et ne
nécessitent pas de retriangulation. Les méthodes de décimations de triangles autorisent une
simplification rapide puisqu’elles suppriment au plus quatre triangles à chaque itération, et
ne nécessitent pas de structure de données basées sur les arêtes [ALLI00].
Un point important concerne la ‘qualité’ des triangles. La ‘qualité’ d’un triangle est
une valeur mesurant son aspect géométrique. Cette contrainte de ‘qualité’ peut être
introduite lorsque l’on utilise le maillage pour des calculs par éléments finis. [GEOR97].
La méthode proposée par Borouchaki [BORO99] contrôle la qualité des triangles tout en
bornant la déviation géométrique par le biais de la distance de Hausdorff.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
53
(a) Maillage initial. (b) Après de décimation de sommet.
Figure I-10. Un exemple de la méthode de décimation de sommets.
(a) Maillage initial. (b) Après de décimation d’arête.
Figure I-11. Un exemple de la méthode de décimation d’arêtes.
(a) Maillage initial. (b) Après de décimation de triangle.
Figure I-12. Un exemple de la méthode de décimation de triangles.
Chapitre I : Etat de l’art : Analyse multirésolution et subdivision de surfaces 3D
54
7. Conclusions
Nous avons présenté, dans ce chapitre, le principe des méthodes de l’analyse
multirésolution et la subdivision de surfaces. En particulier, la technique de décomposition
en ondelettes a été examinée en détail.
La méthode historique de l’analyse multirésolution en ondelettes des signaux a été
étendue aux surfaces maillées par Lounsbery. Ainsi il a associé le concept de la subdivision
de surfaces aux ondelettes. Dans le domaine de l’infographie, la combinaison de ces deux
méthodes a donné un résultat très probant.
Les approches de simplification réversible de la surface des objets 3D sont des
applications particulières pour la représentation multirésolution. Elles permettent une
compression efficace des données tridimensionnelles et leur transmission accélérée. Les
travaux précédents ne permettent pas de traiter efficacement une région d’intérêt ou une
région complexe de rayon de courbure élevé dans le maillage original. Ils emploient les
algorithmes basés sur la subdivision régulière, et ne considèrent pas la complexité
géométrique de maillage. Ils ne sont donc pas adaptés à une représentation locale du
maillage définie par l’utilisateur. Dans les chapitres suivants, nous proposons des méthodes
qui surmontent ces inconvénients et qui sont très efficaces pour la constitution d’un
maillage local de bonne qualité.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
55
CHAPITRE II
DECOMPOSITION LOCALE SUR UNE BASE ENONDELETTES DU MAILLAGE TRIANGULAIRE DE LASURFACE D’OBJETS 3D
1. Introduction
Comme nous l’avons constaté dans le Chapitre I, la méthode d’analyse
multirésolution de maillages de surfaces est basée sur la méthode des ondelettes. La
définition des produits scalaires entre deux fonctions dans un espace tridimensionnel
permet de construire des ondelettes bi-orthogonales quasi-orthogonales par lifting
[SWEL96b]. Ceci donne approximativement la meilleure approximation au sens des
moindres carrés du maillage jM pour la construction du maillage à la résolution inférieure
1j − .
Les travaux précédents ne permettent pas de représenter efficacement une région
d’intérêt ou une région complexe car ils emploient un processus de subdivision identique
(subdivision régulière) pour toutes les faces du maillage triangulaire [HECK97].
La motivation de cette thèse est née de la problématique liée à la difficulté
d’adapter la subdivision à la courbure locale. Dans ce sens, nous proposons un algorithme
qui construit des ondelettes bi-orthogonales basées sur la subdivision locale (subdivision
irrégulière) de maillages de surfaces 3D. L'approche adoptée représente efficacement une
région d'intérêt, qui est une partie des maillages complexes avec plus de détails avec le
raffinant de la subdivision pour résoudre la problématique induite par des régions avec un
rayon de courbure élevé.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
56
Dans la première partie de ce chapitre, nous étudions le principe de la
décomposition locale et la construction des ondelettes bi-orthogonales associées. Ensuite,
nous développons la décomposition locale en ondelettes de maillages de surfaces. En
complément, nous expliquons la méthode de calcul des produits scalaires locaux et
présentons des exemples de décompositions locales.
2. Principe de la décomposition locale en ondelettes
Dans ce chapitre, l’algorithme proposé est basé sur la subdivision locale de
maillages de surfaces. Ceci signifie qu’à partir d’un maillage de base, chaque triangle du
maillage peut être subdivisé différemment. C’est à dire que la résolution est variable sur la
surface.
Pour illustrer notre analyse, examinons un exemple simple en considérant un
octaèdre pour définir le maillage de base (Figure II-1). On peut imaginer plusieurs cas de la
subdivision locale à la résolution 1j = . Pour cette hypothèse de départ, nous sommes
confrontés à deux difficultés pour établir la construction du maillage par une analyse
multirésolution en ondelettes :
• Les critères utilisés pour déterminer le niveau de subdivision des triangles du
maillage.
• La construction des ondelettes bi-orthogonales locales.
(a) (b) (c)
Figure II-1. Exemples de subdivision locale d’un octaèdre à la résolution j=1.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
57
Dans notre approche, la subdivision est plus fine dans les régions d’intérêt
préalablement définies et dans les régions à forte courbure. C’est à dire, dans ce dernier
cas, le niveau de la subdivision locale est déterminé automatiquement selon la complexité
géométrique du maillage.
Cette technique nécessite la construction d’ondelettes bi-orthogonales locales à
chaque résolution. Comme nous l’avons montré dans le Chapitre I-4.4, la condition
d’ortho-normalité des fonctions d’échelles nécessite le calcul des produits scalaires entre
deux fonctions définies sur le maillage. Dans l’état de l’art que nous avons présenté, il
n’existe pas de méthodes pour calculer les produits scalaires, lorsque la subdivision
s’applique différemment aux triangles du maillage (division variable sur le maillage). Les
produits scalaires entre deux fonctions définies aux sommets doivent être distingués selon
que les triangles sont subdivisés ou non. Notre algorithme propose une méthode efficace de
calcul exact les produits scalaires locaux dans le domaine tridimensionnel. Par exemple,
dans un octaèdre où l’on a effectué la subdivision locale de la Figure II-1 (a)), les matrices
associées aux produits scalaires locaux sont les suivantes :
==
10
10
10
01
01
01
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
00L II ,
=
83
81
81
161
161
81
83
81
161
161
81
81
83
161
161
41
41
41
41
41
41
41
41
41
41
41
41
161
161
41
41
85
161
161
41
41
85
161
161
41
41
85
0000
0000
0000
00010
00010
00010
0000
0000
0000
1LI
Figure II-2. Les produits scalaires d’un maillage de base octaédrique avec subdivision
locale à j=1 (Figure II-1 (a)). La partie encadrée correspond aux faces non-subdivisées.
Dans la Figure II-1 (a), les sommets 4, 5, et 6 ne sont pas associés aux triangles subdivisés.
Donc, comme nous le constatons sur les matrices définies ci-dessus (Figure II-2), les
produits scalaires des fonctions d’échelles centrées sur les sommets restent invariables à la
résolution j=1. Les produits scalaires entre les fonctions d’échelles centrées sur les
sommets ont des valeurs différentes conformément à l’aire des triangles associés.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
58
Autrement dit, ces valeurs ne satisfont pas à la condition ''II kh1j
khj )()(4
1 += de
Lounsbery [LOUN97]. Dans la suivante, nous proposons précisément une méthode de
calcul exact des produits scalaires locaux. Cette méthode s’applique à chaque niveau de
résolution du maillage.
3. Décomposition locale en ondelettes de maillages de la surface d’objets3D
Nous reproduisons, ci-dessous, notre proposition d’une nouvelle méthode basée sur
la subdivision locale de maillages. Elle a été présentée dans le congrès IEEE International
Conference on Image Processing 1999 (ICIP-99), Kobe, Japan.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
59
Local Wavelets Decomposition for 3D Surfaces
Yun-Sang Kim1, Sébastien Valette1, Ho-Youl Jung2, and Rémy Prost1
1CREATIS, CNRS Research Unit (UMR 5515) and affiliated to INSERM, INSA, France2School of Computer & Communications Eng., Yeungnam Univ., Korea
Copyright The Institute of Electrical and Electronics Engineers, Inc. (the "IEEE")
ABSTRACT
We propose a wavelet based local subdivision of 3D surfaces, which can be effectively
applied to a mesh with complex and high curvature faces. The proposed approach is an
extension of Lounsbery et al. works [1], which has been developed only for regular
triangular mesh subdivision. For such a purpose, a bi-orthogonal wavelet basis is
constructed by defining a local inner product and using the lifting scheme [2]. As only one
filter bank is used for the global and local analysis of the surface and also one filter bank
for synthesis, this method is very effective. Through the computer simulation tested on
some example mesh, we show that the proposed local subdivision is very effective.
I. Introduction
In computer graphics and geometric modeling, triangular mesh has been known as a
very efficient technique for representing surface of 3D objects. As a mesh is generally
represented by hundreds of thousands of vertices, a large amount of storage is required, and
it takes also a long time to render and transmit the mesh. Obviously, an attractive approach
is multiresolution representation [3], which allows a progressive approximation of the
surface.
Recently, Lounsbery et al. [1] proposed a class of wavelets for surfaces subdivision,
which is applicable to arbitrary topology surfaces. In this method, a multiresolution
representation of a mesh consists of a base mesh, together with detail terms, called wavelet
coefficients. Unfortunately, this method has been restricted to the application of meshes of
which subdivision connectivity is a priori known. In order to apply this method on meshes
without subdivision connectivity [5], Eck et al. [4] developed a 'remeshing' technique,
which transforms a mesh into another one having a prior known subdivision connectivity.
However, these methods are not adapted to a mesh with complex or high curvature regions,
since only regular triangular mesh subdivision is considered, that is, all triangular faces are
equally subdivided into four ones.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
60
In this paper, we propose local bi-orthogonal wavelets subdivision method, which
can represent effectively a region of interest or a region having complex and high curvature
geometry. For such purpose, the previously reported wavelet based surface subdivision
method [1] is described and its drawback in representing a mesh having a complex or high
curvature regions is discussed, in the next section. The proposed local bi-orthogonal
wavelets based subdivision method is presented in section III, where a local inner product
is newly defined to obtain local bi-orthogonal wavelets. Some simulation results and a
conclusion follow.
II. Wavelet based surface subdivision
Generally, wavelet transform decomposes a signal into a low resolution part called
approximation or scaling coefficients and detail parts called wavelet coefficients [6]. A
multiresolution scheme is constructed by iterating this transform on the low resolution part.
In the case of a 3D surface, a class of wavelet was originally developed by Lounsebery et
al. [1] for regular triangular mesh subdivision.
This method starts from a base mesh, denoted as M 0 , which is a triangulated
polyhedron having the same topology as the data to be approximated. Each triangle of M 0
is refined into four sub-triangles by introducing new vertices at edge midpoints, followed
by adding the wavelet coefficients in order to fit with the data. This process is done
recursively by two filters: the refining filter jP and the perturbing filter jQ . Where the
superscript j , j=0, 1,...,J, is determined so that M J and the data differ by no more than a
user-specified tolerance [4]. In fact, jP and jQ are synthesis filter banks. The filter
coefficients in general must vary over the mesh, so the filters are represented by matrices.
An analysis filter bank, a low pass filter jA and a high pass filter jB , are derived from
[ ] 1−=
jj
j
j
QPB
A. (1)
The analysis filter bank is used to construct multiresolution approximation of an input
mesh M having subdivision connectivity.
In this approach, scaling functions )(xjiϕ are defined as hat functions, which have
value 1 at vertex i and value 0 at all other vertices of M j . Wavelets )(x%j
i are
constructed as orthogonal functions to )(xjiϕ . In the construction of wavelets, the
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
61
evaluation of an inner product for the scaling functions is the important step. Lounsbery et
al. proposed a method for exactly computing the inner product of functions defined
through regular recursive triangle subdivision of surface [1]. The matrix of inner products
is defined as jI with
><= jk
ji
j ki ϕϕ ,),(I . (2)
The inner product is applied to construct the bi-orthogonal wavelets. It is defined by
pretending that each of the faces of M j is equilateral. This construction can be considered
as a special case of lifting [2].
As this method considers only regular subdivision whereby all triangular faces of
the mesh are equally subdivided into four ones, it is not suitable for a mesh having
complex or high curvature regions.
III. Local subdivision of surfaces
In sharp contrast with the previous methods, region of interest with a complex and
high curvature surface could be effectively represented by a local subdivision. To locally
subdivide the surface, the faces of M j should be considered as non-equilateral. Thus the
inner product of scaling functions used in [1] should be modified. Applying the Lounsbery
recurrence relation to irregular subdivision, the following equation is obtained.
∫ ∈=
0Mx
jL
jL
jL dxxx )())(( T
--I
∫ ∈
++++=0Mx
1jL
1jL
1jL
1jL dxxx P--P )())(()( TT
1jL
1jL
1jL
+++= PIP T)( . (3-a)
Here, 1jL
+I should be evaluated from jLI . In contrast with the regular decomposition, where
each of the entries )( kij ,I in jI has one or more corresponding entries )','( ki1j +I in jI ,
up to a factor of ¼ ; that is ¼ )','()),(( kiki 1jj += II , due to the equilateral subdivision, the
irregular decomposition result to non-equilateral subdivision and the equation (3-a) is
undetermined. To overcome this difficulty we add the following conditions at each level of
resolution:
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
62
• Each diagonal element of jI should be the sum of the other elements of the
corresponding row,
∑ ∑−
− +−
+=1m
1i
n
1mi
jL
jL
jL imimmm ),(),()( II,I . (3-b)
• An absolute scale is chosen so that the sum of the elements of 0I becomes unity.
The above additional conditions provide the solution necessary to turn the homogeneous
system into non-homogeneous one. As a result, the local inner product can be computed
exactly. As a region of interest of a mesh is subdivided recursively into four equilateral
subtriangles at the incremental resolution, except on the border of the region, the inner
product permits to define a local bi-orthogonal wavelet basis. Expressed in matrix form, it
follows
jL
jL
jL
jorthL xxx .-�� _ )()()( −= , (4)
where the coefficients jL. can be determined by requiring that be )(xj
orthL _� as
orthogonal as possible to )(xjL- .
The evaluation of the inner product using (3-a) and (3-b) is costly in term of
computations. Fortunately, the matrix 1j +I can be evaluated without solving the equation
(3-a) and (3-b), since the subdivided triangle generates new vertices that have always the
valences (the number of edges associated to each vertex) 4, or 6. It allows to categorize all
possible local inner products in several cases, according to different valences and
resolution of the vertices. For example, in the case that a base mesh is an octahedron, if all
triangular faces of the base mesh are subdivided from the resolution 0 to j and a face or
several faces of the obtained mesh M j are only subdivided from j to j k+ , the inner
product between the new vertices '1np , 2np ' having valences six is
44
2)( 21 ×
= ++
kjnnkj
L ppI , . Such equations dramatically reduce the computation cost of
the local inner product. In the case that the vertices of a base mesh have the same valences
‘V’ and a face of the base mesh is subdivided from the resolution 0 to j , the results are
summarized in Table 1.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
63
IV. Results
To evaluate the performance of the proposed local subdivision, several meshes are
selected and tested. Two of them, one synthetic and another real medical data.
In the Figure 1, Figure 1(a) to (f) show the approximated meshes by applying
analysis filters to Figure 1(a). Figure 1(a) is the deformed mesh in order to fit with the
original data for the mesh, which is obtained by subdividing the regions (1) and (2) of
Figure 1(d) from 2j = to the resolution 5j = . Figure 1(d) is obtained by modifying the
geometry for the regions (1) and (2) of the sphere at the resolution 2j = . Figure 1(f) is the
base mesh, an octahedron.
In the Figure 2 experiment, the initial high resolution mesh of the heart has irregular
connectivity with the mesh obtained from a base mesh by recursive 4 to 1 splitting (figure
2(a)). In order to obtain a mesh having the subdivision connectivity for regions-of-interest
ROI (1) and ROI (2) of the initial mesh, we apply a local remeshing based on Lee et al.
approach [7] (Figure 2(b)). Then we consider the local multiresolution analysis of both
ROIs (Figure 2(c)-(e)).
V. Conclusions
A bi-orthogonal wavelets based local subdivision has been presented. Due to the
exact computation of the local inner product, a multiresolution representation can be
accomplished for 3D surfaces. This approach allows the best approximation for a part of
the complex mesh, or for regions with high curvature.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
64
References
[1] M. Lounsbery, Multiresolution Analysis for Surfaces of Arbitrary Topological Type,
PhD thesis, Department of Computer Science and Engineering, University of
Washington, September 1994.
[2] P. Schröder and W. Sweldens, “Spherical Wavelets: Efficiently Representing Functions
on the Sphere”, SIGGRAPH ’95, Los Angeles, California, USA, August 1995, pp.161-
172.
[3] J. Stollnitz, T.D. DeRose, and D.H. Salesin, Wavelets for Computer Graphics: Theory
and Application, Morgan Kaufmann, San Francisco, 1996.
[4] M. Eck, T.D. DeRose, T. Duchamp, H. Hoppe, .M. Lounsbery, and W. Stuetzle,
“Multiresolution Analysis of Arbitrary Meshes”, SIGGRAPF ’95, Los Angeles,
California, USA, August 1995, pp.173-182.
[5] P.S. Heckbert and M. Garland, Survey of polygonal surface simplification algorithms,
Technical report, School of computer science, Carnegie Mellon University, Pittsburgh,
1997.
[6] S. Mallat, “A theory for Multiresolution Signal Decomposition: The Wavelet
Representation”, IEEE Transactions on Pattern Analysis and Machine Intelligence,
Vol. 11, No. 7, July 1989, pp. 674-693.
[7] A.W.F. Lee, W. Sweldens, P. Schröder, L. Cowsar, and D. Dobkin, “MAPS:
Multiresolution Adaptive parameterization of Surfaces”, SIGGRAPH ’98, Orlando,
Florida, USA, July 1998, pp. 95-104.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
Table 1. The inner product at the resolution j , in the case that the vertices of a base mesh
have the same valence ‘V’ and a face of the base mesh is subdivided from the resolution 0
to j .
Outside vertices ‘ ba vv , ’ of the local
subdivision region
Inner product at the resolution j
2)2
(1
),(I −+= V4V
vvjcc
jL
V4vv
jddjL ×
= 12)( ,I
Same values with the inner productat the resolution 0=j
Cases
A vertex ‘ cv ’ of the base mesh
composing the local subdivisionfaces
A vertex ‘ dv ’ having the valence 6
and generated at the resolution j
A vertex ‘ ev ’ having the valence 4
and generated at the resolution j
A vertex ‘ fv ’ having the valence 6
and any vertex ‘gv ’
Vertices ‘ ih vv , ’ having the valences
4 and generated at the resolution j
4
e
Vvv
jeejL ×
=4
3)( ,I
Vvv
jgfjL ×
=4
2)( ,I
Vvv
jkjjL ×
=4
1)( ,I
Vvv
jgfjL ×
=4
2)( ,I
A vertex ‘ jv ’ having the valence
and generated at the resolution j ,
and a vertex ‘kv ’ generated at th
resolution 1−j
65
>< 44, gg vv
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
66
Figure 1. The local wavelets decomposition of the synthetic data.
(a) Sphere at the resolution j=2 and high curvatureregions (1), (2) at j=4,5, respectively.
(d) Both the sphere and the high curvature regions (1), (2) are subdivided at j=2.
(e) Sphere at j=1.(b) Sphere at the resolution j=2 and high curvature regions (1), (2) at j=4,4, respectively.
(f) Base mesh at j=0 : octahedron.(c) Sphere at the resolution j=2 and high curvature regions (1), (2) at j=3,3, respectively.
(1)
(2)
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
67
Figure 2. The local wavelets decomposition of real medical data with the local resolution j,
ROI(k) j, k=1,2.
ROI (1)
ROI (2)
(a) Original mesh of the heart :506 vertices, 1008 faces.
(b) Remeshed ROIs : ROI (1)4 andROI (2)6,294 vertices, 513 faces.
(c) Approximation of (b) : ROI (1)4 andROI (2)5,138 vertices, 225 faces.
(d) Approximation of (c) : ROI (1)4 andROI (2)4,96 vertices, 153 faces.
(e) Approximation of (c) : ROI (1)3 andROI (2)3,19 vertices, 22 faces.
ROI (1)4
ROI (2)6
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
68
4. Compléments
Le nombre de pages limité, imposé par le congrès, nous a interdit une explication
détaillée pour les équations des produits scalaires locaux et la présentation de quelques
figures en couleurs liées à la décomposition locale. Nous les présentons dans cette partie de
la thèse.
Les équations répertoriées pour les produits scalaires locaux sont calculées
exactement par la connaissance de la valence de chaque sommet généré à la résolution
supérieure. Sur la partie 2.1 de la 'Table 1', nous avons répertorié les produits scalaires
locaux générés par le processus de subdivision locale. Les produits scalaires locaux sont
établis à une résolution j , et s’appliquent à toutes les résolutions du maillage. Seul le
niveau de résolution j modifie la valeur des éléments de la matrice jLI . Sur les Figures II-3
et II-4, nous allons démontrer que le niveau de résolution n’a pas d’incidence sur les
produits scalaires globaux pour différentes configurations du maillage local.
(a) 0j = (b) 1j = (c) 2j = (d) 3j =
Figure II-3. Subdivision totale de 0j = à 1j = et subdivision locale de 2j = à 3j = .
A la résolution 3j = de l’octaèdre subdivisé localement dans la Figure II-3 (d), les
produits scalaires locaux possibles entre les sommets peuvent être répertoriés en plusieurs
cas. Nous le voyons distinctement sur les sous-figures marquées respectivement en bleu
pour les arêtes et en rouge pour les sommets (Figure II-4). Les figures (a)-(d) représentent
chacune le cas de produits scalaires entre deux sommets connectés par une ligne bleue. Les
figures (e)-(i) indiquent chacune le cas de produits scalaires pour un seul et même sommet.
Quelque soit le niveau de résolution, les produits scalaires locaux sont déterminés par la
valeur des éléments de jLI , puisque nous avons pu répertorier l’ensemble des cas possibles.
Pour toutes les autres subdivisions locales non représentées sur la Figure II-3, le même
principe s’applique.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
69
(a) (b) (c)
(d) (e) (f)
(g) (h) (i)
Figure II-4. Illustration des différentes situations possibles pour le calcul des produits
scalaires générés de la Figure II-3 (d).
Sur la Figure II-5 nous présentons les figures en couleurs et les figures maillées
liées à la décomposition locale. Elles sont la représentation de l’analyse multirésolution en
ondelettes d’une sphère subdivisée localement. En particulier, nous représentons les
maillages en couleur à chaque résolution.
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
70
(a) Maillage initial : sphère déformée,régions (1) à j=6, (2) à j=5, et(3), (4) à j=4, autrement j=2.
région (3)
région (2)
(c) Maillage décomposé en ondelettes localesrégions (1) et (2) à j=5, et (3), (4) à j=4,autrement j=2.
(e) Maillage décomposé en ondelettes locales,régions (1), (2), (3), et (4) à j=4,autrement j=2.
(b) Maillage initial en couleur de (a).
(d) Maillage décomposé en couleur de (c).
(f) Maillage décomposé en couleur de (e).
région (1)
région (4)
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
71
Figure II-5. Décomposition locale en ondelettes d’une sphère déformée.
Nota :
Les sommets situés à la frontière entre deux niveaux de résolution sont déplacés sur l’arête
d’un triangle de résolution inférieure (Figure II-5 (g) flèches). Il s’ensuit qu’il ne leur est
pas affecté de coefficient d’ondelette. On notera que les maillages locaux sont conformes
mais que le maillage global ne l’est plus. Un artifice permet de rendre le maillage global
conforme. Il consiste à conserver la position des sommets des frontières, déplacés à la
résolution plus élevée, dans un vecteur de ‘frais généraux’, puis à repositionner ces
sommets et à tracer les arêtes nécessaires pour rendre le maillage conforme avant sa
visualisation.
(g) Maillage décomposé en ondelettes locales,régions (1), (2), (3), et (4) à j=3,autrement j=2.
(i) Maillage décomposé en ondelettes locales,partout j=2.
(h) Maillage décomposé en couleur de (g).
(j) Maillage décomposé en couleur de (i).
Chapitre II : Décomposition locale sur une base en ondelettes du maillage triangulaire de la surface d’objets 3D
72
5. Conclusions
Dans ce chapitre, nous avons proposé une nouvelle méthode pour la décomposition
locale en ondelettes des maillages. Cette méthode emploie la subdivision locale.
Cette contribution conduit à une généralisation de la théorie des ondelettes et à des
améliorations dans la représentation du maillage local. Les techniques présentées ne
généralisent pas seulement le produit scalaire, mais permettent aussi de générer et d’utiliser
des filtres locaux de synthèse et d’analyse. Ces derniers sont adaptés à l’analyse
multirésolution locale. Ceci signifie qu’une région d’intérêt, ou une région à géométrie
complexe, ou une région avec une courbure élevée de la surface peut être représentée
efficacement en utilisant les ondelettes bi-orthogonales locales.
Cependant, du point de vue des techniques détaillées dans ce chapitre, nous
pouvons effectuer les observations suivantes :
• A partir d’un maillage triangulaire initial quelconque irrégulièrement subdivisé,
comment peut-on le convertir effectivement en un maillage avec la connectivité de
subdivision ? (par exemple, un maillage issu de l’algorithme du ‘marching cube’
[LORE87])
• Comment peut-on évaluer facilement la courbure locale du maillage pour
déterminer le niveau de subdivision ?
• Comment peut-on sélectionner automatiquement une région d’intérêt ou une région
complexe du maillage ?
Dans le Chapitre IV, nous examinons précisément ces problèmes afin de proposer
des solutions qui surmontent ces difficultés.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
73
CHAPITRE III
PROPOSITION D’UNE DECOMPOSITION ENONDELETTES DE MAILLAGES IRREGULIEREMENTSUBDIVISES
1. Introduction
L’analyse multirésolution possède des propriétés intéressantes : partant d’un objet
haute résolution, plusieurs approximations peuvent être générées. Les détails perdus lors
des différentes phases de simplification peuvent être restitués à l’utilisateur s’il demande
une précision plus grande. Cette technique accélère l’affichage des surfaces et permet une
compression efficace. Mais, dans un espace tridimensionnel, la méthode d’analyse
multirésolution en ondelettes nécessite la création d’outils de maillage spécifique, afin de
partir d’un maillage de basse résolution et de le subdiviser itérativement pour obtenir les
maillages haute résolution [VALE98]. Ainsi, un maillage ne pourra pas être simplifié s’il
n’est pas le résultat de la subdivision d’un autre maillage. Or, en pratique, aucun maillage
généré sans soucis du respect de ce critère ne pourrait être décomposé en ondelettes, ce qui
limite beaucoup le champ d’application de la méthode précédente.
Pour remédier à ce problème nous avons modifié le processus de subdivision. Il est
tout à fait possible de ne pas créer tous les nouveaux sommets, ce qui reviendrait, à la
subdivision de chaque face en deux, trois, ou quatre faces. Ainsi, nous pouvons rechercher
dans un maillage existant des subdivisions de une, deux, trois, ou quatre faces, afin de
simplifier le maillage existant pour en faire un maillage de basse résolution.
Enfin, à partir d’un maillage quelconque, nous pouvons obtenir un maillage plus
simple permettant une analyse multirésolution. De plus, au moment de la reconstruction du
maillage haute résolution à partir du maillage de basse résolution, il suffit de fournir à
l’algorithme de subdivision l’information lui permettant de savoir si une face se
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
74
subdivisera en une, deux, trois, ou quatre. Notons que cette information apporte un surcoût
(frais généraux) dans un algorithme de compression et codage.
Dans ce chapitre, nous proposons une méthode de décomposition irrégulière. Puis,
nous examinons une technique de compression sans perte qui prouve l’efficacité de notre
algorithme pour une compression des maillages.
La contribution principale de ce chapitre est apportée par Sébastien Valette qui est
le premier auteur des deux communications que nous avons présentées dans les congrès
[VALE99a-b].
2. Décomposition en ondelettes de maillages triangulaires 3Dirrégulièrement subdivisés. Application à la compression
Nous reproduisons, ci-dessous, notre proposition sur la décomposition en ondelettes
de maillages triangulaires 3D irrégulièrement subdivisés et son application à la
compression, présentée dans le congrès IEEE International Conference on Image
Processing 1999 (ICIP-99).
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
75
A Multiresolution Wavelet Scheme for Irregularly Subdivided3D Triangular Mesh
Sébastien Valette1, Yun-Sang Kim1, Ho-Youl Jung2, Isabelle Magnin1 and Rémy Prost1
1CREATIS, CNRS Research Unit (UMR 5515) and affiliated to INSERM, INSA, France2School of Computer & Communications Eng., Yeungnam University, Kyungpook, Korea
Copyright The Institute of Electrical and Electronics Engineers, Inc. (the "IEEE")
ABSTRACT
We propose a new subdivision scheme derived from the Lounsbery’s regular 1:4 face split,
allowing multiresolution analysis of irregularly subdivided triangular meshes by the
wavelet transforms. Some experimental results on real medical meshes prove the
efficiency of this approach in multiresolution schemes. In addition we show the
effectiveness of the proposed algorithm for lossless compression.
I. Introduction
Multiresolution analysis of 3D objects is receiving a lot of attention nowadays, due
to the practical interest of 3D modelling in a wider and wider range of applications.
Multiresolution analysis of these objects gives some useful features : several levels of
details can be built for these objects, accelerating the rendering when there is no need for
sharp details, and allowing progressive transmission. Another feature is that
multiresolution analysis can be an efficient way for data compression. A survey of the
existing methods used to simplify meshes which is the first step for processing
multiresolution analysis, like vertex decimation [2], edge contraction [3], and wavelet
surfaces [4], was reported in [1]. We put our attention on the third method, because
wavelets are well-suited for multiresolution analysis. In section 2, we will shortly explain
multiresolution analysis of meshes [3], and show its drawbacks in practical
implementation, which we improved, as described in section 3. In section 4, we show why
our proposal is suitable for compression. The next part (section 5) gives the results
obtained with this new scheme.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
76
II. Lounsbery's wavelets based multiresolution scheme
In wavelets decomposition, a mesh (for example a tetrahedron, see Figure 1 (a)) is
quaternary subdivided (Figure 1 (b)) and deformed (Figure 1 (c)), to make it fit the surface
to approximate. Subdividing the mesh consists in splitting each triangular face into four
faces. These steps can be processed depending on the required resolution levels.
(a) (b) (c)
Figure 1. The subdivision scheme.
Multiresolution analysis is computed with two analysis filters jA and jB for each
resolution level j . Reconstruction is done with two synthesis filters jP and jQ . These
filters are represented with matrix notation and, to ensure exact reconstruction, must satisfy
the following constraint :
1−
=
jj
j
j
QPB
A(1)
Let us call jC the 3j ×)(N matrix giving the coordinates of each vertex of the mesh at
the resolution level j . Then we have the relations:
1j1jj ++= CAC (2)1j1jj ++= CBD (3)
jjjj1j DQCPC +=+ (4)
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
77
jD represents the wavelet coefficients of the mesh, necessary to reconstruct 1j +C fromjC . From a theoretical point of view, each column of the jP matrix (respectively the jQ
matrix) represents a scaling function (respectively a wavelet function). These functions are
defined on a 3D space fixed by the mesh topology.
We apply the lifting scheme [6] which consists here in constructing wavelet
functions (starting from the hat function, Figure 2 (a)) orthogonal to the scaling functions
(which are hat functions too, but with a twice wider support). Without the lifting scheme,
Lounsbery's multiresolution analysis would simply consist in subsampling the mesh, but
with the lifting, the mesh at resolution level j is ensured to be the best approximation in
the mean square sense for the mesh at level 1j + . The main material for the lifting is the
inner product between two functions defined by Lounsbery as:
∑ ∫∆∈ ∈
=><
)(
)()()(M s
j dssgsfarea
Kgf
τ ττ
, (5)
)(M∆ is the set of triangles τ of the mesh and jK is a constant for a given resolution
level j ( jjK −= 4 ). Note that in this inner product it is assumed that the triangular faces of
the mesh have the same area. The consequence of this assumption is that a mesh at
resolution level j will effectively be the best approximation of the mesh at level 1j + only
if this constraint is fulfilled. We can see in Figure 2 (b) the effects of the lifting scheme on
the hat function showed in Figure 2 (a).
(a) (b)
Figure 2. Wavelets in 3D.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
78
Wavelet surfaces give a powerful tool for multiresolution analysis. However, in the
simplification process, the major drawback is that faces are always merged four to one to
have a simpler mesh. If the mesh does not respect this connectivity constraint, one has to
process a resampling of the mesh, which results in a mesh having more faces than the
original, as explained in details in [5]. The aim of this work is to solve this problem by
improving the subdivision process, as described in the next section.
III. A proposal for irregular subdivision
In the proposed scheme, the subdivision process is changed : each face of the mesh
to subdivide is no more systematically split into four faces, but can also be split into three
or two faces or remain unchanged. As an example, four different cases of subdivision are
shown in Figure 3. This approach allows to simplify meshes even if some faces cannot be
merged four to one.
Figure 3. Some possible cases of subdivision.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
79
The simplification is done with an algorithm that merges the faces of a mesh,
considering rules established by the subdivision process. Figure 4 shows an example,
where 15 faces are reduced to 6, resulting from merging 4 :1 faces for G2, 3 :1 faces for G3
and G6, 2 :1 faces for G1 and G4 and keeping one face unchanged for G5.
G1
G2 G3
G6 G5
G4
Figure 4. An example of surface simplification.
One important consequence of the simplification rules is that a vertex can be
removed during the simplification process only if its valence is equal to 4, 5 or 6. Clearly
the efficiency of our algorithm depends on the number of removable vertices in the mesh.
Fortunately, meshes usually have such vertices, and during the simplification, the valence
of the vertices tends to decrease. As an example, the vertex V1 shown in Figure 4 has a
valence of 7, which makes it impossible to remove, but after one simplification step, its
valence is reduced to 5, and the algorithm will be able to remove it in a further step.
Briefly, the simplification algorithm starts by merging 4 faces to 1, building a set of
merged faces, and tries to expand this set by merging faces around it. Figure 5 shows the
beginning of the expansion of the merged faces set (in gray), merging sequentially 4:1
faces, 3:1 faces and 2:1 faces.
V1 V1
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
80
Figure 5. Expansion of the simplified mesh set.
The algorithm stops when no more faces have to be simplified. In order to prevent the
algorithm from being unable to simplify some faces with respect to the subdivision rules, a
modification of the mesh is allowed. It consists in an edge permutation between two
neighbour faces, as shown in Figure 6. Of course this modification has to be stored, to
recover the original mesh after subdivision and guarantee the reversibility of the
simplification process.
Figure 6. an edge permutation between two faces.
(b)(a)
(c)(d)
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
81
We notice that this modification will introduce a quality loss during multiresolution
analysis, but the difference between the original mesh and the altered mesh is small and
experimental results show that this local error is negligible compared to the approximation
error. Finally, the algorithm is very efficient for simplifying a large set of meshes.
The last thing to do is to compute the approximation of the high resolution mesh
with the simplified one that is to calculate the analysis filters jA and jB . This can be
done with Lounsbery’s scheme. A difference has to be noticed, due to the change of the
subdivision process. The inner product (5) has to be reformulated and becomes :
∑ ∫∆∈ ∈
=><
)(
)()()(
)(
M s
j dssgsfarea
Kgf
τ ττ
τ, (6)
)(2K j is no longer a constant and changes with each face of the mesh. For example, a face
in a low resolution mesh that will split in 3 faces will have 32K j =)( and the three
resulting faces will have 12K 1j =+ )( , taking into account the differences between the
triangle areas : the first face cited above will approximately be three times larger than the
three last.
IV. Compression
The proposed method has powerful features for compressing meshes, for two
reasons :
• The wavelet decomposition, used to compute the vertices coordinates, transforms
coordinates into wavelet coefficients which histogram is concentrated around the
zero value, making them well suited for entropy coding.
• Starting from the lowest resolution level, there is no need to store or transmit the
faces descriptions to reconstruct higher levels, only the subdivisions have to be,
which lets the amount of information needed to reconstruct the connectivity of the
mesh close to 3 bits per face.
In the experimental results section, the lowest resolution mesh is coded using the algorithm
described in [8].
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
82
V. Results
Table 1 shows the results on a heart mesh simplification using the proposed
method. The high resolution mesh is a regular tesselation similar to that proposed in [7]. Its
vertices coordinates are coded with a 7 bits/vertex precision. The number of bytes noted in
table 1 is the amount of information needed to reconstruct the mesh to the concerned
resolution level starting from the nearest lower resolution level.
Table 2 gives some more results on different 3D meshes: brain, body and lung. We
notice that at the middle resolution levels, used in practical implementation, the
approximation quality remains rather good in terms of local shape and size.
VI. Conclusion
We proposed a new scheme allowing to process multiresolution analysis on
arbitrary meshes. In sharp contrast with [4] where a resampling of the original mesh is
necessary, our scheme processes directly on the original mesh. The proposed method has
many potential applications such as mesh compression, progressive transmission and fast
rendering of 3D images.
Acknowledgments :
The authors are grateful to Prof. E. Rittman and R. Robb for providing the 3D x-ray
angiographic data, and J. Lötjönen for building the meshes.
This work is in the scope of the scientific topics of the GdR-PRC ISIS research group of
the French National Center for Scientific research.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
83
Table 1.Mmultiresolution representation of a 3D left ventricle of a heart mesh.
Level 6
1008 faces413 bytes
Level 5
446 faces226 bytes
Level 4
208 faces123 bytes
Level 3
94 faces65 bytes
Level 2
46 faces36 bytes
Level 1
22 faces22 bytes
Level 0
8 faces40 bytes
Summary:
Original file: 4730 bytesCompressed files: 925 bytes
Ratio : 5.1 : 1
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
84
Table 2. Complementary results.
Original mesh
3584 faces8 levels
Level 4
524 faces
Original file:19493 bytes
Compressed file:3246 bytes
Ratio:6.1 : 1
Original mesh
4454 faces10 levels
Level 5
306 faces
Original file :25894 bytes
Compressed file:4062 bytes
Ratio :6.4 : 1
Original mesh
1916 faces10 levels
Level 5
168 faces
Original file:9705 bytes
Compressed file :1801 bytes
Ratio :5.4 : 1
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
85
References
[1] Paul S. Heckbert and Michael Garland, Survey of polygonal surface simplification
algorithms, School of computer science, Carnegie Mellon University, Pittsburgh.
URL:http://www.cs.cmu.edu/afs/cs/user/garland/www/multires/.
[2] M. Soucy and D. Laurendau, Multiresolution surface modeling based on hierarchical
triangulation, in Computer vision and image understanding, volume 63, No 1, January
1996, pages 1-14.
[3] H. Hoppe, Progressive meshes. Computer Graphics (SIGGRAPH '96 Proceedings),
pages 99-108. URL : http://www.research.microsoft.com/~hoppe/.
[4] Michael Lounsbery. Multiresolution Analysis for Surfaces of Arbitrary Topological
Type. PhD thesis, Dept. of Computer Science and Engineering, U. of Washington,
1994. URL : ftp://ftp.cs.washington.edu/pub/graphics/LounsPhd.ps.Z.
[5] Matthias Eck, Tony DeRose, Tom Duchamp, Hugues Hoppe, Michael Lounsbery, and Werner
Stuetzle. Multiresolution Analysis of Arbitrary Meshes. Technical Report #95-01-02, January
1995. URL : http://www.cs.washington.edu/research/projects/grail2/ www/pub/abstracts.html.
[6] Wim Sweldens, The Lifting Scheme : A Custom-Design Construction of Biorthogonal
Wavelets, Applied and Computational Harmonic Analysis, April 1996, Vol. 3, No. 2,
pp.186-200.
[7] J. Lötjönen,, P.J. Reissman, I.E. Magnin, J. Nenonen, and T. Katila, A triangulation
method of an arbitrary point set for biomagnetic problem, IEEE transactions on
magnetics, Vol 34, No 4, July 1998
[8] G. Taubin, J. Rossignac, Geometric compression Through Topological Surgery, IBM
Research Report. URL : http://www.research.ibm.com/vrml/binary/.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
86
3. Compléments
Pour les compléments de cet article, dans cette partie, nous reproduisons plus
précisément la méthode de compression sans perte qui a été partiellement présentée dans le
congrès 17ème colloque sur le Traitement du Signal et des Images, GRETSI-99 [VALE99a].
Elle montre que notre proposition permet une compression efficace du maillage de surfaces
3D.
Une surface 3D est représentée par les coordonnées des sommets des faces, ainsi
que par leur connectivité. Le nombre de bits nécessaires à la définition des sommets
dépend de la dynamique des coordonnées. Par exemple, si un objet 3D est borné par un
cube d’arête de longueur L=1024, 10 bits par coordonnées sont nécessaires, soit 30 bits par
sommet.
Dans le cas général, le nombre de bits nécessaires au codage de chaque sommet est :
)(log3 2 LBs = . (III-1)
Le nombre de bits nécessaires au codage de la connectivité d’une face à la résolution j
dépend directement du nombre de sommets jNs et vaut :
)(log3 2jj
f NsB = . (III-2)
Dans notre approche multirésolution, il est nécessaire de coder l’objet à la
résolution la plus basse et les informations nécessaires pour reconstruire la surface à un
niveau supérieur, pour tous les niveaux de résolution. Ces dernières informations sont des
coefficients d’ondelettes et les caractéristiques des subdivisions de chaque face.
Le codage de la surface à la plus basse résolution est basé sur un algorithme de
découpage de la surface détaillé en [TAUB98a]. Ce découpage permet un codage efficace
des faces (méthode arborescente) et des coordonnées des sommets (méthode prédictive).
L’expérience a montré que le codage optimal était atteint en employant une prédiction
linéaire à deux ancêtres.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
87
Le codage des coefficients d’ondelettes est réalisé par codage entropique (codeur
arithmétique). Ce choix résulte de l’observation de la concentration de l’histogramme des
coefficients d’ondelettes autour de la valeur zéro.
Le codage des caractéristiques des subdivisions est réalisé en donnant la liste des
nouveaux sommets qu’elles engendrent : si jNs est le nombre de sommets d’un maillage,jNf le nombre de faces et jNa le nombre d’arêtes, on peut établir l’approximation :
jjj NsNaNf == . (III-3)
Il faudra, pour chaque segment, déterminer si un sommet doit y être créé, ce qui
représente un total de jj NfNa = bits. Il faudra aussi, pour les faces subdivisées en 2 ou 3
(Figure 5), des informations supplémentaires pour déterminer précisément leur type de
subdivision. Ces informations nécessitent un maximum de deux bits par face, ce qui se
traduit par un coût supplémentaire maximum de 2. jNf bits.
• Face qui se subdivise en 3 :
1 bit supplémentaire.
• Face qui se subdivise en 2 :
1 ou 2 bits supplémentaires.
Figure III-1. Subdivisions nécessitant un surplus d’information.
La quantité totale d’information à transmettre est donc au maximum égale à 3.Nf
bits. Lors du passage d’un niveau de résolution au niveau supérieur, le nombre de faces et
0
1
0
1
1
0
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
88
de sommets double en moyenne. Les subdivisions auront donc créé Nf nouvelles faces, à
partir d’une quantité de 3*Nf bits. Ces nouvelles faces auront donc été codées en
moyennes sur 3 bits/face. Nous avons donc d’après les équations (III-1), (III-2), et (III-3) :
∑=
∆+=j
k
k0j NNN1
, (III-4)
1jj1jjcoeff
j NfNsHN −− +=∆ α33 , (III-5)
1≅α , (III-6)
j
jjjj
N
NsNfLNsT
)(log3)(log3 22 += , (III-7)
où jN est la quantité d’information (en bits) nécessaire au codage de la surface à la
résolution j , jN∆ est la quantité d’information (en bits) nécessaire pour passer de la
résolution 1j − à la résolution j , jcoeffH est l’entropie des coefficients d’ondelettes à la
résolution j , et jT est le taux de compression pour une représentation au niveau de
résolution j .
Nous notons que la compression réalisée est sans pertes, grâce à l'utilisation d'une
arithmétique sur des nombres entiers, en accord avec [JUNG98b]. Une compression avec
pertes contrôlées est possible en ne stockant ou en ne transmettant que les coefficients
d'ondelettes les plus grands.
Chapitre III : Proposition d’une décomposition en ondelettes de maillages 3D irrégulièrement subdivisés
89
4. Conclusions
Dans ce chapitre, nous avons proposé une nouvelle méthode de subdivision qui
permet la simplification des maillages triangulaires quelconques à l’aide de la transformée
en ondelettes.
En effet, pour les travaux antérieurs, la création d’outils de maillage spécifiques
(afin de partir d’un maillage de basse résolution et de le subdiviser itérativement pour
obtenir des maillages haute résolution) doit être effectuée. En conséquence, le maillage ne
peut pas être simplifié puisqu’il est nécessaire d’avoir un maillage original ou initial qui
soit le résultat de la subdivision d’un autre maillage.
Contrairement aux travaux précédents, notre contribution s’applique directement
sur le maillage. C’est à dire qu’à partir d’un maillage quelconque, nous pouvons obtenir un
maillage plus simple permettant une analyse multirésolution. De plus, au moment de la
reconstruction du maillage haute résolution à partir du maillage de basse résolution, il suffit
de fournir à l’algorithme de subdivision l’information lui permettant de savoir si une face
se subdivisera en une, deux, trois, ou quatre. Le stockage et la transmission des
informations de subdivision réduisent le taux de compression apporté par la décomposition
en ondelettes. La méthode de la compression sans perte montre que notre proposition
permet une compression efficace des maillages.
Néanmoins, pour la méthode décrite dans ce chapitre, nous stipulons ci-dessous les
deux points qui devraient être optimisés :
• Cet algorithme ne s’applique que sur des maillages de surfaces fermées. De plus,
sur certains maillages, il n’arrive pas à simplifier la forme. Ceci est dû au fait que
les différentes branches du maillage sont trop petites pour être simplifiées.
• Le procédé de décomposition en ondelettes utilisé considère que toutes les faces
d’un maillage sont d’une taille similaire.
Cependant, la méthode présentée a donné des résultats probants pour de
nombreuses applications, comme la compression des données de maillages 3D, leur
transmission progressive et l’accélération de leur affichage.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
91
CHAPITRE IV
PROPOSITION D’UN REMAILLAGE GLOBAL ET LOCALPOUR LA DECOMPOSITION EN ONDELETTES.REMAILLAGE ADAPTATIF PAR TRANSFORMATIONCONFORME
1. Introduction
Les représentations en ondelettes précédentes ne peuvent pas représenter
efficacement des régions d'intérêt complexes ou des régions avec une courbure élevée.
Dans ce chapitre, nous développons les méthodes appropriées pour traiter ces maillages
complexes et les régions avec une courbure élevée. Les approches présentées ici exploitent
l’algorithme proposé dans le Chapitre II et apportent une réponse aux questions soulevées
dans le Chapitre II-5.
Dans la première partie de ce chapitre, nous examinons le principe de la
transformation conforme et étendons ce principe aux maillages 3D. Ensuite nous
présentons notre nouvelle approche. La transformation conforme a été utilisée par
Duchamp et al. [DUCH97] pour le remaillage. Ici nous utilisons le même outil
mathématique dans une approche différente. Nous proposons une méthode de
paramétrisation locale de maillages quelconques ayant une connectivité irrégulière en
utilisant la transformation conforme. Le résultat de la paramétrisation locale est nommé
remaillage. Il permet une approximation du maillage initial sous réserve que la condition
de connectivité de subdivision soit présente. Ensuite, nous introduisons une décomposition
et reconstruction basée sur la subdivision locale. Dans cet algorithme, la décision de niveau
de subdivision est calculée automatiquement en fonction de la courbure locale. Enfin, nous
expliquons le processus de paramétrisation et présentons des exemples.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
92
2. Transformation conforme de maillages surfaciques
Avant de développer une nouvelle méthode de remaillage global et local, étudions
le concept de ‘transformation conforme’. Elle a un rôle important dans notre algorithme de
remaillage. La première étape pour la paramétrisation du maillage original est concrétisée
par la transformation conforme f qui permet de transformer les sommets du maillage de
l’espace 3D en des coordonnées du plan complexe. Plus précisément, la transformation
conforme f projette les k sommets js adjacents à un sommet is du maillage 3D appelé
‘anneau de voisinage d’ordre 1’, { }kjsV ji ≤≤= 1)(s , sur un plan complexe, en
préservant l’angle entre deux vecteurs tangents au sommet is (Figure IV-1) [DUCH97].
Nous allons expliciter, ci-dessous, cette transformation conforme f .
Dans le domaine complexe C , étant donné un point complexe iyxz += , il peut être
représenté par les coordonnées polaires. De plus, nous pouvons écrire plus simplement z
avec la fonction exponentielle par ‘la formule d’Euler’.
θθθ ierrirz =+= sincos , (IV-1)
où 22 yxzr +== et x
yz 1tanarg −==θ .
2s
1s
is
3s
ks
Figure IV-1. Un sommet et son anneau de voisinage d’ordre 1 dans un maillage 3D.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
93
Dans notre algorithme, nous utilisons la transformation conforme aj zsf =)( avec
k
aθπ2= utilisée antérieurement par Duchamp et al. puis Lee et al. [DUCH97] [LEE98].
Dans l’anneau de voisinage d’ordre 1 d’un sommet du maillage 3D, la somme des angles
peut être inférieure ou supérieure à π2 . Or, la transformation conforme zsf j =)(
conserve les angles à π2 près. Cette propriété crée une ambiguïté angulaire, dans le plan
complexe pour notre application 3D. Le facteur d’échelle angulaire k
aθπ2= avec
),,(∑=
−∠=k
1mmi1mk sssθ , supprime l’ambiguïté. az est représenté par l’équation (IV-1) et la
formule de Moivre comme suit :
θθθ aiaaaa errirZ =+= asinacos .
(IV-2)
En utilisant l’équation (IV-2), nous pouvons définir une fonction if qui est
déterminée par ses valeurs sur le sommet central et des sommets de son anneau voisinage
d’ordre 1. Si nous prenons un sommet central is , nous pouvons énumérer cycliquement les
sommets js dans anneau voisinage d’ordre 1 (noté { }kjsV ji ≤≤= 1)(s , k est la valence
du sommet) où les triangles sont { }ji1j sss ,,− avec k0 ss = . Nous pouvons définir la
fonction if par
0)( =ii sf , aiajji
jersfθ=)( , (IV-3)
où jij ssr −= , ),,(∑=
−∠=j
1mmi1mj sssθ , et
k
aθπ2= .
Nous illustrons cette transformation pour un polyèdre de sommet central 1s de
valence 5. Dans la Figure IV-2 (a), les angles formés par les triplets de sommets peuvent
être calculés par la trigonométrie élémentaire. Par exemple, l’angle ),,( 312 sss∠ formé des
sommets 321 sss ,, est le suivant [DERO92] :
) )2()ss ( (cot )s,s, (222
1312321312312 sssssssss ××−+=∠ / . (IV-4)
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
s3
f1 (s3) f1(s2)
f1(s6)
f1(s1)
s5
Fig
Cette transf
• Elle existe t
• Son calcul e
• Elle minimis
• Elle est bije
3. Remaillage lo
Nous repro
la décomposition
Transaction on Im
TransformationConforme
s6
s2
s1
s
94
f1(s4) f1(s5)
(a) (b)
ure IV-2. Un polyèdre et sa transformation conforme.
ormation conforme présente de nombreux avantages :
oujours.
st simple.
e la distorsion géométrique par la préservation des angles.
ctive : elle n’induit aucun recouvrement entre les triangles.
cal et décomposition en ondelettes
duisons ci-dessous notre proposition pour le remaillage global et local et
locale en ondelettes de surfaces 3D. Elle a été soumise à la revue IEEE
age Processing.
4
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
95
Local Remeshing and Wavelets Decomposition for 3D Surfaces1
Yun-Sang Kim*, Sébastien Valette*, Ho-Youl Jung**, and Rémy Prost*
*CREATIS, CNRS Research Unit and affiliated to INSERM, INSA, 69621, France** School of Computer & Communications Eng., Yeungnam Univ., Korea
Copyright The Institute of Electrical and Electronics Engineers, Inc. (the "IEEE")
ABSTRACT
The extension of wavelet based multiresolution analysis for geometric modeling allows to
compress, render, edit, and transmit efficiently the large data set of the 3D objects.
However, the previous works could not represent efficiently the regions-of-interest or the
regions of high curvature. For such a purpose, a local parameterization is proposed for 3D
irregular triangular surface meshes. This approach allows to construct the approximation of
regions-of-interest, and can be effectively applied to a mesh with high curvature faces. The
subdivision level is controlled by the local curvature and a regularity constraint is applied.
It results a mesh with a subdivision connectivity. Furthermore, a wavelet based local
subdivision of 3D surface meshes is presented. This method extends the regular triangular
mesh subdivision proposed by Lounsbery et al.. A bi-orthogonal wavelet basis is
constructed by defining a local inner product and using the Lifting scheme. Only one filter
bank is used for local and global analysis of the surface meshes and also one filter bank for
synthesis. We show the efficiency of these approaches through computer simulations on
some examples.
I. Introduction
In computer graphics and geometric modeling, triangular mesh has been known as a
very efficient technique for representing surface of 3D objects. As a mesh is generally
represented by hundreds of thousands of vertices, a large amount of storage is required, and
it takes also a long time to render and transmit. Obviously, an attractive approach is
multiresolution representation [1, 3] which allows a progressive approximation of the
surface.
1 This work was presented in part at the IEEE ICIP-99, Kobe, JAPAN, October 24-28, 1999.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
96
Lounsbery et al. [1] proposed a class of wavelets for surfaces subdivision, which is
applicable to arbitrary topology surfaces. In this method, a multiresolution representation of
a mesh consists of an approximation of the mesh (the base mesh at resolution zero),
together with detail terms, called wavelet coefficients. Unfortunately, this method has been
restricted to meshes of which subdivision connectivity is a priori known and the
subdivision splits each face into four faces systematically. In order to apply this method on
meshes without subdivision connectivity [4], Eck et al. [5] developed a 'remeshing'
technique, which transforms a mesh into another one having a prior known subdivision
connectivity. However, these methods are not adapted to a mesh with complex or high
curvature regions, since only regular triangular mesh subdivision is considered, that is, all
triangular faces are equally subdivided into four ones. Lee et al. [6] constructed the smooth
parameterizations of surfaces and the adaptive remeshing algorithm with guaranteed error
bounds. This algorithm uses globally hierarchical simplification for every face of the
original surface. The base mesh is obtained through the many levels of the mesh
simplification, and, in each level, a retriangulation and a parameterization are required.
This means that it is not suitable for the local approximation of the original surface.
Recently, a new wavelet scheme has been proposed [7]. In this scheme, each face of the
mesh to subdivide is no more systematically split into four faces, but can also be split into
three or two faces or remain unchanged. This approach allows to simplify meshes even if
some faces cannot be merged four to one.
In sharp contrast with the previous works, we propose the local parameterizations
for the arbitrary 3D surfaces and local bi-orthogonal wavelets subdivision method which
can represent effectively a region-of-interest (ROI) or a region of high curvature (ROHC).
For such purpose, the previously reported wavelet based surface subdivision method [1]
and remeshing algorithm are briefly described in section II and their drawbacks in
representing a mesh having a complex or high curvature regions are discussed. A new local
remeshing algorithm is proposed in section III. This section introduces the base mesh
construction and the multiresolution global and local remeshing. The subdivision level is
controlled by curvature. In addition, a regularization constraint is applied in order to
prevent small subdivided region or isolated unsubdivided triangle. In section IV, a local bi-
orthogonal wavelets based subdivision method is presented, where a local inner product is
newly defined and used to obtain local bi-orthogonal wavelets. Some simulation results and
a conclusion follows.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
97
II. Related works
II-1. Wavelet based surface subdivision
Wavelet transform decomposes a signal into a low resolution part called
approximation or scaling coefficients and detail parts called wavelet coefficients [8]. A
multiresolution scheme is constructed by iterating this transform on the low resolution part.
In the case of a 3D surface, a class of wavelet was originally developed by Lounsebery et
al. [1] for regular triangular mesh subdivision.
This method starts from a base mesh, denoted as 0M , which is a triangulated
polyhedron having the same topology as the data to be approximated. Each triangle of 0M
is refined into four sub-triangles by introducing new vertices at edge midpoints, followed
by adding the wavelet coefficients in order to fit with the data. This process is done
recursively by two filters: the refining filter jP and the perturbing filter jQ . Where the
superscript j ( j=0, 1,..., J ) represents the resolution level. J is determined so that JM and
the data differ by no more than a user-specified tolerance [5]. In fact, jP and jQ are
synthesis filter banks. The filter coefficients in general must vary over the mesh, so the
filters are represented by matrices. An analysis filter bank, a low pass filter jA and a high
pass filter jB , are derived from
[ ] 1−=
jj
j
j
QPB
A. (1)
The analysis filter bank is used to approximate an input mesh M having subdivision
connectivity.
In this approach, scaling functions )(xjiϕ , which is the basis functions for the
vector spaces jV , are defined as hat functions. These scaling functions have value 1 at
vertex i and value 0 at all other vertices of M j . For the basis functions of the wavelet
spaces jW , wavelets )(xjiψ are chosen to be the hat functions centered on the odd integer
in 1jV + , that is )()( xx 1j12i
ji
++= ϕψ . The obtained scaling functions and wavelets are not
orthogonal. As a result, this method does not produce the best least-squares approximation.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
98
To ensure the best least-squares approximation, new wavelets are constructed as
orthogonal functions to )(xjiϕ . These new wavelets are referred to as semi-orthogonal
wavelets, or sometimes pre-wavelets [3]. Also, this construction was recognized by
Sweldens as a special case of a transformation called lifting, which is an operation of the
bi-orthogonal scheme [2]. In the construction of wavelets, the evaluation of an inner
product for the scaling functions is the important step. Lounsbery et al. proposed a method
for exactly computing the inner product of functions defined through regular recursive
triangle subdivision of surface [1]. The matrix of inner products of scaling functions is
defined as jI with
dxxx j
Mx
jj0
)())(( T--I ∫ ∈
= , (2)
where [ ]T)()()()( xxxx j
1D
j1
j0
jj −
= ϕϕϕ �- and jD is the dimension of jV . For
example, 0D is 4 for 0M having a tetrahedron base mesh. The inner product is applied to
construct the bi-orthogonal wavelets. It is defined by assuming that each of the faces of
M j is equilateral.
As this method considers only regular subdivision whereby all triangular faces of
the mesh are equally subdivided into four ones, it is not suitable for a mesh having
complex or high curvature regions, because for such regions a finer subdivision is
necessary.
II-2. Remeshing
The drawback of the Lounsbery et al. multiresolution analysis is that this method
can only be applied to meshes displaying subdivision connectivity, i.e. meshes obtained
from a simpler base mesh by recursive 4 to 1 splitting. To overcome this problem, Eck et
al. [5] proposed a ‘remeshing’ method, meaning that arbitrary meshes can be converted to
multiresolution decomposition. The surface is partitioned into a number of triangular
regions using a Delaunay triangulation. To obtain this Delaunay triangulation, a Voronoi
tiling is first constructed. Using a sequence of local harmonic maps, a parameterization,
which is smooth over each triangle in the base mesh, was constructed. Runtimes for the
algorithm can be long because of the many harmonic map computation, and many extra
globally subdivided levels may be needed to resolve one small local feature.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
99
Lee et al. [6] presented an algorithm for the fast computation of smooth
parameterization of 3D surfaces with arbitrary topology. First, he constructs the
parameterization through repeated conformal remapping during graph simplification
followed by a parameter space smoothing procedure based on the Loop scheme [9]. Using
this parameterization, he presented an algorithm for adaptive, hierarchical remeshing of
arbitrary meshes into subdivision connectivity meshes. However, in this algorithm, the
local parameterization is not considered.
Thus, these methods are not adapted to a mesh with complex or high curvature
regions, since all the faces are considered. A local remeshing will be more effective.
III. A new remeshing algorithm
In sharp contrast with the previous methods [5, 6], we consider local
parameterization of the irregular triangular meshes. Our algorithm allows to overcome the
difficulties of representing efficiently the ROIs or the ROHCs of the original mesh and the
complex procedure of driving the parameterization in each repeated mesh simplification.
The base mesh is easily determined according to the important vertices of the original
mesh. Local parameterization of the original mesh over the base mesh consisting of a small
number of triangles is induced directly by using the conformal mapping.
III-1. Base mesh construction
To find a local parameterization, first, we begin by constructing the base mesh 0M .
The base mesh can be constructed simply using the following steps.
i) Evaluate the centroid coordinate of the original mesh M .
ii) Maps M into a new coordinates system (x, y, z), with the centroid coordinate as the
origin.
iii) Find the vertices with the greatest distance from the origin in each quadrant, and the
maximum and minimum values of the mesh in each direction x, y, z.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
100
iv) Construct 0M by connecting the previous extreme vertices in each quadrant.
According to the topology of M or to the complexity of the selected local region,0M is a tetrahedron, an octahedron, or a more complex polyhedron. Note that the
base mesh defines the number of both scaling functions and wavelets at the lowest
resolution.
III-2. Multiresolution global and local remeshing
In order to obtain a mesh having the subdivision connectivity, we apply a global and
local remeshing of M by using the following steps.
i) Maps each vertex of M on a face of 0M .
i-1) Maps both each vertex of M and 0M on the real, imaginary plane by
conformal mapping :
)(exp)()(and)( a�idvf0vf ka
kkbio == , (3)
where iov is a vertex of M and kbv is a vertex of 0M , the indices ''o and ''b
denote the original and base mesh, respectively,
kbiok vvd −= , ∑=
−∠=k
1llbio1)b(lk v,v,v� )( , 3/θπ2a = ),( 3b0b vv3k1 =≤≤ .
i-2) Evaluate the barycentric coordinates of the mapped vertices :
),()()()( 321 bbbio vfvfvfvf γβα ++= (4)
where . , � and � are barycentric coordinates, 1��. =++ and bv1 , bv2 , and
bv3 are the vertices composing a face of 0M .
i-3) Apply the following mapping [5,6] :
bbbio vvvvf 321))(( γβα ++=Π . (5)
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
101
This results in a bijection of the original vertices on a face of 0M .
ii) Fix the global subdivision level of 0M .
The global subdivision level is determined in order that the number of vertices of the
subdivided mesh does not exceed the number of vertices of the local original mesh.
In the case that a face of 0M is subdivided from the resolution 0 to j , the number of
vertices of the mesh jM is determined by
30Ni12jNj2
0i
j −+−+= ∑=
)()()( . (6)
iii) For each face mF of the mesh jM , determinate the additional local subdivision level
jFm
∆ according to the two parameters defined as follows :
iii-1) Evaluate the number jFm
N of mapped original vertices located in each face mF
of jM and its normalized expression :
jFMF
jFm
normalizedj
F
mj
m
m N
NN
∈
=max
)( . (7)
iii-2) Estimate the local curvature iC for each vertex iov of the original mesh M
(see formula in appendix A).
Normalize the local curvature according to the following formula :
iMi
inormalizedi C
CC
∈
=max
)( . (8)
iii-3) Define a weight jFm
W for each face mF :
normalizedj
Fnormalizedj
Fj
F mmmCNW )()1()( αα −+= , , (9)
1.0 ≤≤ , we found that 21
.= works well in our experiments.
iii-4) Determinate jFm
∆ for each face :
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
102
)( bj
FjF nWround
mm×=∆ , (10)
where the positive integer bn denotes the bound for the additional subdivision
level.
As an example, if we set the additional highest local subdivision level to three
( 3nb = ), we can obtain the integer value jFm∆ from 0 to 3. To prevent the
deformation of the mesh, the subdivision level on the border of the mapped
local original mesh are limited to 2nb = .
iv) Subdivide the base mesh according to the previous global and local subdivision
levels.
During this subdivision process, we calculate the subdivision filters jLP and j
LQ , and
evaluate the inner products of scaling functions )(xjL- . Thus, by using the lifting
scheme, the new filters jnewL _Q are obtained (details are reported in section IV). Note
that only one filter bank is used for local and global analysis of the surface meshes
and also one filter bank for synthesis.
v) Search the faces containing the mapped vertices in the 4 to 1 subdivided faces of the
base mesh.
From the elementary geometric considerations, if the sum of the area of three faces,
),)),((( mlio vvvfarea Π + ),)),((( nmio vvvfarea Π + ),)),((( lnoi vvvfarea Π is equal
with ),,( nml vvvarea , a subdivided face )( nml vvv contains a mapped vertex
))(( iovfΠ .
vi) Evaluate the new mesh according to the barycentric coordinates on the searched
triangle by applying the method i-2).
vii) Regularize the subdivision of the mesh.
In order to prevent small subdivided region (resolution j ), especially a single
subdivided triangle into a lower resolution region (resolution 1j − ) that results to
vertices without wavelet coefficients, we associate these triangles to the resolution
1j − . Similarly, in order to prevent unsubdivided isolated region (resolution 1j − )
or a single unsubdivided triangle into a region at upper resolution (resolution j ), we
associate these triangles to the resolution j .
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
103
Clearly, the resulting remeshing algorithm can represent effectively a ROI of the
meshes consisting of complex and high curvature faces and in addition it is fast. Also,
according to the ROHCs, it allows to adjust the subdivision level of the base mesh and to
construct the mesh having a subdivision connectivity for wavelet representation. The new
mesh satisfies the requirements of multiresolution analysis for the local
decomposition/reconstruction.
IV. A proposal for local subdivision of surfaces
IV-1. Local wavelets basis construction
Following Lounsbery’s method, we choose the hat functions centered on the locally
selected odd integer indexes in 1jV + as the wavelets for jW , )()( xx 1j12iL
jiL
++= __ ϕψ . Then,
we derive the wavelets locally orthogonal to the scaling functions by the Lounsbery’s
scheme,
jL
jL
jL
jnewL_ xxx .-�� )()()( −= , (11)
where the elements of the matrix jL. can be determined by requiring that )(xjnewL_� be
orthogonal to )(xjL- . Note that a semi-orthogonal basis is a special case of bi-orthogonal
basis and (11) can be considered as a special case of lifting.
Finally, we can derive a recursion relation for jL. :
( ) ( ) jL
jL
jL
jL
jL QIPI.
1T1 +−= . (12)
According to jL. , the new filters can be obtained as follows,
[ ] [ ]jL
jL
jL
jL
jL_new
jL_new .PQPQP −= ,
+=
jL
jL
jL
jL
jnewL
jnewL
B
B.A
B
A
_
_ (13)
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
104
IV-2. Evaluation of the local inner products of the scaling functions
A ROI with a complex and high curvature surface could be effectively represented
by a local subdivision. To locally subdivide the surface, the faces of M j should be
considered as non-equilateral. Thus the inner product of scaling functions used in [1]
should be modified. Applying the Lounsbery’s refining equation jL
1jL
jL P--
+= in (2), the
following equation is obtained.
jL
1jL
jL
jL PIPI += T)( . (14-a)
In order to calculate jL. by (12), the inner products matrix at resolution 1j + , 1j
L+I should
be evaluated from jLI . In contrast with the regular decomposition, where each of the entries
( ) ki,jI in jI has one or more corresponding entries ( ) k',i'
1j +I in jI , up to a factor of ¼ ; that
is ¼( ) ( ) k',i'1j
ki,j += II , due to the equilateral subdivision, the irregular decomposition
results to non-equilateral subdivision and the equation (14-a) is undetermined. To
overcome this difficulty we add the following conditions at each level of resolution: [10]
� Each diagonal element of jLI should be the sum of the other elements of the
corresponding row,
( ) ( ) ( )∑ ∑−
= +=
+=1m
1i
n
1miim,
jLim,
jLmm,
jL III . (14-b)
� An absolute scale is chosen so that the sum of the elements of jLI becomes unity.
The above additional conditions provide the solution necessary to turn the homogeneous
system into non-homogeneous one. As a result, the local inner product can be computed
exactly. As a ROI of a mesh is subdivided recursively into four equilateral subtriangles at
the incremental resolution, the inner product permits to define a local semi-orthogonal
wavelet basis.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
105
IV-3. An algorithm for fast computation of the inner products
The evaluation of the inner product using (14-a) and (14-b) is costly in terms of
computations. Fortunately, the matrix 1jL
+I can be evaluated without solving the equation
(14-a) and (14-b), since the subdivided triangle generates new vertices that have always the
valences (the number of edges associated to each vertex) 4, or 6. It allows categorizing all
possible local inner products in several cases, according to different valences and
resolution of the vertices. For example, in the case that the base mesh is an octahedron, if
all triangular faces of the base mesh are subdivided from the resolution 0 to j and a face
or several faces of the obtained mesh M j are only subdivided from j to j k+ , the inner
product between the new vertices '1nv , 2nv ' having valences six is ( )44
2kjvn2vn1,
kjL ×
= ++I .
Such equations dramatically reduce the computation cost of the local inner product. In the
case that the vertices of a base mesh have the same valences ‘V’ and a face of the base
mesh is subdivided from the resolution 0 to j , the results are summarized in Table 1.
V. Experimental results
To evaluate the performance of both the new multiresolution remeshing and the
proposed local subdivision, several meshes are selected and tested. They are real medical
data.
In the Figure 1, the original mesh of the body ( Fig. 1(a) ) has an irregular
connectivity. In order to obtain a mesh having the subdivision connectivity, we apply the
new remeshing algorithm ( Fig. 1(b)-(c) ). Fig. 1(b) and (c) depict two ROHCs of the
resolution 6 to 5 without regularization and with regularization of the subdivision of the
mesh. Otherwise the resolution is 4. Then we consider the local multiresolution analysis of
the remeshed Body with the ROHCs ( Fig. 1(c)-(e) ).
In the figure 2 experiment, Fig 2(a) shows the original mesh of the brain with an
irregular connectivity. Fig 2.(b), (e) and (c), (f) represent the remeshed ROIs meshes
without regularization and with regularization of the subdivision. These figures depict the
ROI (1) and ROI (2), at the resolution 6 and 5, at the resolution 7, 6, and 5, respectively,
according to the ROHCs. Fig 2.(d) is the approximated mesh of ROI (1) at the resolution 5
and 5, and Fig 2.(g)-(h) are the approximated meshes of ROI (2) having ROHCs of the
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
106
resolution 6-6-5, 5-5-5, respectively. Note that in these experiments the subdivision levels
of the triangle on the contour of mapped local original mesh are constrained to 2j +according to the procedure v) in the proposed algorithm. These results clearly prove the
effectiveness of the proposed approach.
VI. Conclusions
Both a remeshing for the meshes having the irregular connectivity and bi-
orthogonal wavelets based local subdivision have been proposed. The local remeshing
algorithm allow to adjust the resolution levels of the approximated mesh according to the
ROIs or the ROHCs, and to construct meshes having a subdivision connectivity for wavelet
representation. Also, due to the exact computation of the local inner product, a
multiresolution representation can be accomplished for 3D surfaces. These approaches
allow to construct an effective approximation for complex mesh with adapted resolution to
ROHC and also to ROI.
Appendix A : Curvature estimation
Let’s consider a vertex P of the mesh M . We can take P as a vector of
coordinates zyx ,, . Suppose that among of its 1-ring neighbors vertices the three vertices
1−nQ , nQ , and 1+nQ are located in counterclockwise order round P . These vertices form
the adjacent two faces with P . This allows to estimate the curvature by computing the
angle made up the adjacent two faces as follows :
1. Calcul each edge vector 11 ,, +− nnn QPQPQP which are the difference between two
vertices :
PQQP nn −= −− 11 , PQQP nn −= , PQQP nn −= ++ 11 .
2. Derive the normal vectors orthogonal to each face by cross product of edge vectors :
nn
nn
QPQP
QPQPn
×
×=−
−
1
1
1 , 1
1
2+
+
×
×=nn
nn
QPQP
QPQPn .
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
107
3. Compute the cross product of the derived normal vectors :
γsin21 =× nn .
21 nn × represents the absolute value of the sine of the angle between two normal
vectors, that is between the adjacent faces. Thus we can estimate the curvature by taking
the absolute value of cross product.
Note that there are several methods for estimate the curvature around a vertex of 3D
surface mesh [6, 11]. But, our method is very simple and allows to diminish considerably
the computation time.
ACKNOWLEDGMENT
The authors wish to thank J. Lotjonen of the Laboratory of Biomedical Engineering,
Helsinki University, who has kindly given permission for the use of the original meshes.
References
[1] M. Lounsbery, "Multiresolution Analysis for Surfaces of Arbitrary Topological Type,
"PhD thesis, Department of Computer Science and Engineering, University of
Washington, September, 1994.
[2] W. Sweldens, "The lifting scheme: A construction of second generation wavelets,
"SIAM J. Math. Anal., Vol. 29, No. 2, pp. 511-546, 1997.
[3] J. Stollnitz, T. D. DeRose, and D. H. Salesin, "Wavelets for Computer Graphics:
Theory and Application, "Morgan Kaufmann, San Francisco, 1996.
[4] P. S. Heckbert and M. Garland, "Survey of polygonal surface simplification
algorithms, "School of computer science, Carnegie Mellon University, Pittsburgh.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
108
[5] M. Eck, T. D. DeRose, T. Duchamp, H. Hoppe, J. M. Lounsbery, and W. Stuetzle,
"Multiresolution Analysis of Arbitrary Meshes, "SIGGRAPH ’95, Los Angeles,
California, USA, pp. 173-182, August 1995.
[6] A. W. F. Lee, W. Sweldens, P. Schröder, L. Cowsar, and D. Dobkin, "MAPS:
Multiresolution Adaptive parameterization of Surfaces, "SIGGRAPH ’98, Orlando,
Florida, USA, pp. 95-104, July 1998.
[7] S. Valette, Y. S. Kim, H. Y. Jung, I Magnin and R. Prost, "A Multiresolution wavelet
scheme for irregularly subdivided 3D triangluar mesh, "IEEE ICIP-99, Kobe,
JAPAN, Vol. 1, pp. 171-174, October 1999.
[8] S. Mallat, "A theory for Multiresolution Signal Decomposition: The Wavelet
Representation. "IEEE Transactions on Pattern Analysis and Machine Intelligence,
Vol. 11, No. 7, pp. 674-693, July 1989.
[9] C. Loop, "Smooth Subdivision Surfaces Based on Triangles, "Master’s thesis,
Department of Mathematics, University of Utah, 1987.
[10] Y. S. Kim, S. Valette, H. Y. Jung, and R. Prost, "Local Wavelet Decomposition for 3-
D Surfaces, "IEEE ICIP-99, Kobe, JAPAN, Vol. 3, pp. 357-360, October 1999.
[11] M. Desbrun, M. Meyer, P. Schröder, and A. Barr, "Implicit Fairing of Irregular
Meshes using Diffusion and Curvature Flow, "SIGGRAPH ’99, L.A., CA, USA, pp.
317-324, August 1999.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
109
Table 1. The inner product, in the case that the vertices of a base mesh have the same
valence ‘V’ and a face of the base mesh is subdivided from the resolution 0 to j .
Outside vertices ‘ ba vv , ’ of the local
subdivision region
( )V4
12jvdvd,
jL ×
=I
Same values with the inner product atthe resolution 0j =
Cases
A vertex ‘ cv ’ of the base mesh
composing the local subdivision faces
A vertex ‘ dv ’ having the valence 6 and
generated at the resolution j
A vertex ‘ ev ’ having the valence 4 and
generated at the resolution j
A vertex ‘ fv ’ having the valence 6 and
any vertex ‘ gv ’
Vertices ‘ ih vv , ’ having the valences 4
and generated at the resolution j
A vertex ‘ jv ’ having the valence 4 and
generated at the resolution j , and a
vertex ‘ kv ’ generated at the resolution1j −
( )V4
3jveve,
jL ×
=I
( )V4
2jvgvf,
jL ×
=I
( )V4
2jvivh,
jL ×
=I
( ) 2)V4
2(
V
1jvcvc,
jL −+=I
( )V4
1jvkvj,
jL ×
=I
Inner product at the resolution j
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
s.(b) Local remeshed ‘Body’ without regularization of the subdivision :
(c) Loca regu ROH 197
ROHC (2)6
ROHC (1)5
(a) Original mesh ‘Body’ : 1017 vertices, 2030 face
110
ROHC (1)5, ROHC (2)6, otherwise, j = 4, 2223 vertices, 3412 faces.
l remeshed ‘Body’ withlarization of the subdivision :C (1)5, ROHC (2)6, otherwise, j = 4,
1 vertices, 3223 faces.
(d) Approximation of the Fig.1(c) : ROHC (1)5 , ROHC(2)5, otherwise j = 4, 1216 vertices, 2030 faces.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
Fig
with
(
(f) Approximation of the Fig.1(e) : ROHC (1)3, ROHC(2)3, otherwise j = 3, 110 vertices, 190 faces.
e) Approximation of the Fig.1(d) : ROHC (1)4, ROHC(2)4, otherwise j = 4,
461vertices, 859 faces.
111
ure 1. The remeshing and local wavelets decomposition of real medical data ‘Body’
the local resolution j, ROHC (k) j, k = 1,2. ( ROHC : Region of High Curvature ).
s.
ROI(1)
ROI(2)
(b) Remeshed ROI (1) without regularization of the subdivision : ROHC (1)5 , ROHC (2)6, otherwise, j = 4, 838 vertices, 1384 faces.
(a) Original mesh ‘Brain’ : 1084 vertices, 2164 face
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
F
d
f
s.
(c) Remeshed ROI (1) with regularization o the subdivision : ROHC (1)5 , ROHC (2)6, otherwise, j = 4, 836 vertices, 1402 face
112
igure 2. The remeshing and local wavelets
ata ‘Brain’ with the local resolution j, ROHC
) (
(d) Approximation of the Fig.2(c) : ROHC (1)5 , ROHC(2)5, otherwise j = 4,
344vertices, 613 faces.
d
(kj
on
(f) Remeshed ROI (1) with regularizati of the subdivision : ROHC (1)5 , ROHC (2)6, otherwise, j = 4, 585 vertices, 954 faces.(e) Remeshed ROI (2) without regularization of the subdivision : ROHC (1)5, ROHC (2)6, ROHC (3)7, otherwise, j = 4, 838 vertices, 1384 faces.
)
(g) Approximation of the Fig.2(f) : ROHC (15, ROHC(2)6, ROHC (3)6, otherwise j = 4, 451 vertices, 714 faces.h) Approximation of the Fig.2(g) : ROHC (15, ROHC(2)5, ROHC (3)5, otherwise j = 4, 307 vertices, 498 faces.
ecomposition of two ROIs of real medical
) , k = 1,2,3. ( ROI : Region of Interest ).
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
113
4. Détails complémentaires sur la paramétrisation
Dans cette partie, nous expliquons plus précisément la méthode des
paramétrisations locales de maillages quelconques ayant une connectivité irrégulière et
montrons quelques illustrations concernant les paramétrisations de maillages.
Comme nous avons expliqué dans la section 3 III-2, les sommets originaux de
l’espace 3D sont projetés sur le plan complexe, et il en est de même des sommets du
maillage de basse résolution. Il est évident que chacun de sommet original, obtenu par
transformation conforme, se trouve à l’intérieur des triangles dans le plan complexe
[KIRK83]. Ceci signifie que les sommets 2D originaux peuvent être représentés par les
trois autres sommets des triangles en utilisant les coordonnées barycentriques ,,βα γ .
Pour montrer cette relation, nous utilisons la Figure IV-3 et l’équation (IV-5) [BROW97].
)()()()( 61413111 sfsfsfsf γβα ++= , ( 1=++ γβα ). (IV-5)
Les coordonnées barycentriques sont calculées par les rapports des aires des triangles
formés des sommets )( 31 sf , )( 41 sf , )( 61 sf , et )( 11 sf :
))(,)(,)((
))(,)(,)((
614131
411131
sfsfsfaire
sfsfsfaire=α ,
))(,)(,)((
))(,)(,)((
614131
611141
sfsfsfaire
sfsfsfaire=β , (IV-6)
))(,)(,)((
))(,)(,)((
614131
311161
sfsfsfaire
sfsfsfaire=γ .
Les aires peuvent être obtenues à partir du déterminant des matrices composées des
coordonnées homogènes des sommets [FARI97], par exemple,
))()()(( 614131 sfsfsfaire ,, avec les coordonnées ),()( 3331 yxsf = , ),()( 4441 yxsf = ,
et ),()( 6661 yxsf = , est
111
50 643
643
yyy
xxx
×. . (IV-7)
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
114
s3
s5
s6
s2
f1 (s3) f1(s2)
f1(s1) f1(s6)
f1(s4) f1(s5)
Figure IV-3. Sommet )( 11 sf trouvé à intérieur d’un triangle du polyèdre transformé dans
le plan complexe.
Cette paramétrisation permet de construire une bijection Π sur le maillage 3D.
C’est à dire que les sommets 2D originaux, via la transformation conforme, peuvent être
reprojetés sur les triangles du maillage 3D en utilisant les mêmes valeurs de coordonnées
barycentriques [LEE98] :
64311 ssssf γβα ++=Π ))(( . (IV-8)
Cette bijection permet de placer les sommets sur la face des triangles dans l’espace 3D et
de reconstruire le maillage 3D plan qui a la même connectivité que celle du maillage
original. Nous pouvons observer le résultat de cette paramétrisation de sommet 1s avec les
autres sommets du polyèdre comme suit :
Π (f1(s1))
s4
Figure IV-4. Bijection du sommet )( 11 sf de la Figure IV-1 (b) sur la face des trianglesdans l’espace 3D.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
115
Nous présentons quelques figures qui illustrent les étapes du remaillage local du
thorax et d’une région d’intérêt (ROI) du cerveau : la transformation conforme des
sommets 3D sur le plan complexe, la reprojection des sommets 2D sur l’espace 3D, et le
maillage de basse résolution subdivisé.
Dans les figures IV-4 et IV-5, les figures (b) présentent, respectivement, le maillage
de basse résolution de l’octaèdre pour le maillage local du thorax, et du tétraèdre pour une
région d’intérêt (ROI(1)) du maillage du cerveau (présentés dans la section 3, la Figure 1 et
2). Les figures (c) montrent la transformation conforme. Tous les sommets 3D originaux
sont projetés sur le plan complexe avec les sommets du maillage de basse résolution.
Ensuite, la reprojection des sommets 2D sur l’espace 3D est exprimée dans les figures (d).
Elle représente une bijection entre le plan complexe et l’espace 3D. En particulier, les
sommets 2D du thorax sont reprojetés sur quatre triangles de l’octaèdre, et les sommets 2D
du cerveau sont reprojetés sur un triangle du tétraèdre. De plus, nous présentons le maillage
de basse résolution subdivisé dans les figures (e) et (f). Les figures (e) sont régulièrement
subdivisées à la résolution 4j = , et dans ces figures nous déterminons le niveau de
subdivision de chaque triangle. Chaque triangle peut être encore subdivisé, ou non, par
l’algorithme qui permet de calculer des paramètres, comme la courbure des sommets et le
nombre de sommets à l’intérieur des triangles. Ces résultats sont présentés en couleur : les
triangles subdivisés jusqu’à 5j = pour cyan et jusqu’à 6j = pour jaune. Enfin, nous
obtenons le maillage irrégulièrement subdivisé dans les figures (f).
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
116
Figure IV-5. Procédure pour le remaillage du maillage local du thorax.
(a) Maillage local du thorax.
(b) Maillage de basse résolution : octaèdre.
(e) Octaèdre subvisé à j=4 et les sommets reprojeté.
(c) Transformation conforme.
(d) Reprojection sur l’octaèdre : bijection.
(f) Octaèdre subvisé à j=4,5,6.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
117
Figure IV-6. Procédure pour le remaillage de ROI (1) du cerveau.
(a) ROI du maillage du cerveau.(b) Maillage de basse résolution : tétraèdre.
(c) Transformation conforme.
(e) Tétraèdre subvisé à j=4 et les sommets bijectés.
(f) Tétraèdre subvisé à j=4,5,6.
(d) Reprojection sur le tétraèdre : bijection.
Chapitre IV : Proposition d’un remaillage global et local pour la décomposition en ondelettes. Remaillage adaptatif par transformation conforme.
118
5. Conclusions
Nous avons proposé de nouvelles méthodes pour le remaillage de maillages
quelconques en maillages subdivisés décomposables en ondelettes locales et la
décomposition des maillages de surfaces 3D. Dans ce chapitre, nos deux méthodes ont été
présentées. La première consiste à obtenir le maillage de l’approximation qui a une
connectivité de subdivision. En conséquence, ce maillage permet la représentation en
multirésolution. Et la seconde méthode est une optimisation du maillage de
l’approximation par une subdivision locale. Cette dernière permet la reconstruction et la
décomposition en ondelettes avec une résolution adaptée à la complexité et à la courbure
locale.
Les points forts de nos propositions sont les suivants :
• Réalisation d’une paramétrisation du maillage 3D qui résout le problème du
remaillage d’un maillage quelconque en un nouveau maillage qui possède la
propriété de connectivité de subdivision.
• Représentation efficace en terme de niveau de subdivision d’une région d’intérêt ou
d’une région à géométrie complexe.
• Détermination automatique du niveau de subdivision selon des paramètres calculés
comme la courbure et la densité de région.
Les perspectives d’amélioration et développement sont les suivantes :
• Construction d’un maillage basse résolution qui est bien adapté à la géométrie du
maillage initial.
• Amélioration des paramétrisations aux bords du maillage local 3D et près des arêtes
du maillage de basse résolution.
Dans le chapitre suivant, nous répondons totalement à ces perspectives en utilisant la
transformation harmonique.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
119
CHAPITRE V
REMAILLAGE A SUBDIVISION VARIABLE PARTRANSFORMATION HARMONIQUE
1. Introduction
L'idée d'utiliser la transformation harmonique pour effectuer le remaillage est en
partie inspirée par les travaux antérieurs de Eck, Duchamp, et Lee [ECK95] [DUCH97]
[LEES99] dans le domaine de l’infographie et dans le domaine de la robotique par Zhang
[ZHAN99]. En particulier, les méthodes de Eck et Zhang forment la base de notre
algorithme.
Dans la méthode de Eck [ECK95], le maillage initial est divisé en patches
(ensemble de triangles du maillage) qui indiquent chacune des régions connectées sur une
surface sans trous. Chaque patch est projeté sur un triangle équilatéral en utilisant la
transformation harmonique. Les transformations sur ces triangles équilatéraux sont alors
utilisées pour échantillonner le maillage triangulaire avec des connectivités spécifiées.
Nous pouvons constater que l'utilisation de la transformation harmonique dans ce travail
permet de construire une certaine forme d’échantillonnage sur le maillage triangulaire 3D.
D’une autre part, la transformation harmonique est utilisée par Zhang [ZHAN99] comme
un opérateur surfacique. Afin de comparer deux surfaces, Zhang utilise une représentation
intermédiaire de l’image sous sa forme harmonique.
Notre proposition est également basée sur la transformation harmonique afin de
projeter le maillage local 3D sur une image 2D circulaire. Cette image est formée d’un
maillage triangulaire 2D qui a la même connectivité que le maillage original 3D. Elle
permet une paramétrisation simple pour l’obtention d’un maillage 3D décomposable en
ondelettes.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
120
Dans ce chapitre, nous examinons, dans un premier temps, le concept de la
transformation harmonique dans le cadre du maillage de surfaces. Et, dans un deuxième
temps, nous développons notre approche de l’approximation du maillage par la
transformation harmonique. Elle est constituée de deux étapes : la transformation de bord
et la transformation d’intérieur. Enfin, nous présentons des remaillages effectués à l’aide de
cette méthode.
2. Principe de la transformation harmonique
La transformation harmonique est un outil mathématique basé sur la minimisation
de l’énergie fonctionnelle du maillage original 3D pour l’obtention du maillage plan 2D. Le
concept est étroitement lié à la notion de géodésiques. Une géodésique est la connexion la
plus courte entre deux points dans un continuum métrique, comme une variété
riemannienne [EELL64]. En particulier, la généralisation de l'intégrale d'énergie, pour les
applications entre les variétés riemanniennes, mène au concept de transformation
harmonique. La transformation harmonique est calculée avec les points critiques de
l'intégrale correspondante, où la densité d'énergie est définie en termes intrinsèques à la
géométrie des variétés de source et de cible, et à l’application entre elles [LEES99].
Formellement, la transformation harmonique est définie comme suit :
NMh →: , (V-1)
où M et N sont les deux variétés qui ont respectivement les dimensions m et n .
Dans notre algorithme, nous portons notre attention sur le cas particulier pour
lequel M est une surface D avec une topologie de disque dans l’espace tridimensionnel,
et N est une région convexe P dans 2R . Dans ce cas, le problème a une solution unique
pour la transformation harmonique. Etant donné un homéomorphisme b entre les bords de
D et P , il existe une transformation harmonique unique PDh →: correspondante à b
qui minimise la dispersion métrique (énergie fonctionnelle) de D [EELL88]. La dispersion
métrique est une mesure de la zone sur laquelle la transformation étire des régions de petit
diamètre dans D . Donc, nous pouvons l’assimiler à une mesure de déformation métrique.
En plus de la propriété qui minimise la déformation métrique, la transformation
harmonique a un certain nombre de propriétés à considérer [ECK95] [ZHAN99] :
Chapitre V : Remaillage à subdivision variable par transformation harmonique
121
• elle est infiniment différentiable sur chaque face de D .
• elle est un plongement qui permet une bijection entre deux variétés D , P .
• elle est intrinsèque à deux variétés D , P .
Cependant, la transformation harmonique présente une certaine quantité de
compression de zone. C'est inévitable, parce que la région a une grande zone relativement à
sa circonférence, par conséquent, le plongement doit présenter une certaine déformation
des longueurs d’arêtes. La transformation harmonique tend à minimiser une telle
déformation tout en mettant à jour la propriété de plongement et en essayant de préserver le
ratio de l’aspect des triangles [DUCH97].
La transformation harmonique peut être résolue par les équations différentielles
partielles. Mais, en raison du coût de calcul élevé lié à la résolution de ces équations et de
la nature discrète des surfaces traitées en pratique, il est normal de rechercher une
approximation de la transformation harmonique. Eck [ECK95] a proposé une
approximation de la transformation harmonique qui se décompose en deux étapes : la
transformation de bord et la transformation d’intérieur. Dans les parties suivantes, nous
expliquons en détail cette procédure.
2.1 Transformation de bord
Pour la première étape de la transformation harmonique PDh →: , nous
construisons la transformation de bord. C’est à dire, en considérant une région convexe P
dans 2R pour le domaine cible, elle transforme le bord de la surface ),( RsD c avec le
sommet central cs et le rayon R sur le bord de P .
bb PDb →: , (V-2)
où b est la transformation de bord, et bD , bP sont les bords de D , P .
Dans les travaux antérieurs, la méthode de Eck sélectionne, suivant une stratégie
donnée, quelques sommets appelés coins (corners) parmi les sommets de bD . Ces derniers
Chapitre V : Remaillage à subdivision variable par transformation harmonique
sont transformés sur les sommets de bP , qui se situent sur un cercle et dont les angles sont
proportionnels aux longueurs d'arc des segments de bD joignant les coins correspondants
[ECK95]. La méthode de Zhang [ZHAN99] prend tous les sommets de bD pour la
transformation de bord et les rayons R sont mesurés par la distance le long de la surface de
D entre le sommet central et chacun des sommets de bD .
Notre approche est différente des méthodes précédentes dans le sens où le sommet
central cs est un sommet de D qui se situe près du centre. Le calcul du rayon R, consiste à
moyenner l’ensemble des distances géodésiques entre le sommet central et tous les
sommets de bord [MATA97]. Autrement dit, nous considérons que tous les rayons ont la
même valeur. Enfin, le sommet central et les sommets de bD sont projetés sur le bord d’un
cercle par la transformation conforme examinée dans le Chapitre IV-2. Par exemple, la
transformation de bord du maillage local du cœur est illustrée par la Figure V-1.
(a) Maillage local du cœu
les sommets de bo
Figure V-1. T
Notre transforma
irrégulièrement ou réguliè
maillage 3D surfacique
(paramétrisation et déco
l’image transformée et
ondelettes.
Transformation de bord
rdl
: Sommets de bo : Sommet centra
122
r avec (b) Sommet central et sommets de bord
rd. transformés sur une région convexe 2D.
ransformation de bord du maillage local du cœur.
tion de bord permet, avec un maillage triangulaire 2D
rement subdivisé, de paramétriser facilement et de décomposer le
obtenu par les ondelettes. Ces deux opérations sont possibles
mposition), car le maillage synthétisé 2D a le même rayon que
génère les filtres pour une représentation multirésolution en
Chapitre V : Remaillage à subdivision variable par transformation harmonique
2.2 Transformation d’intérieur
La transformation d’intérieur projète les sommets intérieurs de D dans l’intérieur
de P . Dans la transformation harmonique, nous utilisons l’équation (V-3) qui présente la
fonction de l’énergie d’une configuration de ressorts, chaque ressort étant placé le long des
arêtes deD [ECK96].
{ }
2
)(Arêtes,
)(s)(s2
1)( ∑
∈
−=Dji
jiij hhkhE , (V-3)
où )( ish et )( jsh sont les sommets 2D obtenus par la transformation harmonique des
sommets is et js de D , et ijk sont les raideurs des ressorts avec la définition de Eck :
)s,s,(
)LLL(
)s,s,(
)LLL()(s)(
222222
mji
ijjmim
lji
ijjlilmlij sAiresAire
ctgsctgk−+
+−+
=+= θθ . (V-4)
ijL est la longueur euclidienne entre deux sommets is et js et chaque arête intérieure est
incidente à deux faces { } Dss lji ∈,s, et { } Dss mji ∈,s, (Figure V-2). Pour le cas
particulier d’une raideur de ressort associée à une arête de bord, l’équation (V-4) se réduit
qu’à un seul terme.
Les raideurs ijk peuvent être aussi définies comme suit [KENT92] [ZHAN99] :
ij
ijkL
1= . (V-5)
is ms
)( msθ
)( lsθ
ls js
Figure V-2. Définition de la raideur ijk qu’un
123
ressort (V-4) entre les sommets is et js [Eck96].
Chapitre V : Remaillage à subdivision variable par transformation harmonique
124
La transformation harmonique, par cette définition de ijk (V-5), est censée induire une
distorsion métrique importante. Cependant, dans nos maillages expérimentaux, il y a peu
de différences entre les maillages transformés par les deux définitions de ijk (équations
(V-4) et (V-5)). Quand le ratio de la longueur d’arête change de manière significative en
travers de la surface, la différence entre deux maillages est plus visible. En pratique, nous
avons obtenu des maillages décomposables similaires. En conséquence, dans toutes nos
expérimentations, nous utilisons la définition (V-5) qui, par sa formulation plus simple,
induit une diminution du temps de calcul non négligeable.
Enfin, nous pouvons obtenir la transformation harmonique optimale h par la
minimisation de l’énergie fonctionnelle )(hE . Etant donné n sommets intérieurs de D ,
nisi ,,2,1, �= , la transformation optimale est calculée par la différentiation de )(hE par
rapport à )( ish pour ni ,,2,1 �= :
∈=−=∂∂ ∑
=j
n
ijiij
i
shhkh
hE0,))(s)(s(
)(s
)(
1
1-anneau de voisinage de is . (V-6)
L’équation (V-6) peut être réécrite sous forme matricielle :
ibp SCS = , (V-7)
où [ ]T)()( n1i shsh �=S avec [ ]yixii shshsh )()()( = . La matrice iS de dimension
2n× est composée des coordonnées inconnues des sommets intérieurs de P . La matrice
C est une matrice carrée de dimension nn× . Les éléments de cette matrice sont les
raideurs ijk calculées par l’information de connectivité dans D . La matrice bpS est
déterminée par la condition de bord. Les éléments sont pondérés par les raideurs des
ressorts.
L’équation (V-7) peut être résolue au sens des moindres carrés :
[ ] bpi SCCCS T1T −= (V-8)
Donc l’approximation de la transformation harmonique peut être résolue complètement.
Dans la partie suivante, nous développons une représentation multirésolution en ondelettes
basée sur cette approximation.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
125
3. Notre proposition pour un remaillage par transformation harmonique
L’approximation de la transformation harmonique offre la base pour la
paramétrisation du maillage initial 3D. Plus précisément, l’image 2D obtenue par cette
approximation constitue un cercle maillé qui a la même connectivité que le maillage initial
3D, alors, un autre cercle maillé dans un espace bidimensionnel peut être paramétrisée avec
cette image.
Le maillage 2D comparé pour la paramétrisation avec l’image transformée est
synthétisé simplement en subdivisant le maillage de basse résolution et en normalisant les
valeurs des sommets pour former un cercle qui a le même rayon que l’image transformée.
Pour le maillage de basse résolution, nous avons choisi un hexaèdre (Figure V-3).
(a) (b)
Figure V-3. Maillage de basse résolution d’un hexaèdre (a) et la normalisation de sa
subdivision à la résolution j=4 (b).
Comme nous l’avons examiné dans le Chapitre I-4 (page 35), la subdivision
récursive du maillage de basse résolution, est associée à une collection de filtres d’analyse
et de synthèse à chaque résolution pour une représentation sur une base d’ondelettes. En
particulier, dans les Chapitres II et IV (page 56, 100), nous avons proposé une méthode de
décomposition en ondelettes pour la subdivision irrégulière. Ce principe est transposable
dans l’espace bidimensionnel. Autrement dit, les filtres obtenus dans l’espace
bidimensionnel sont utilisables pour le maillage 3D approximé. Nous prouvons, dans les
paragraphes suivants, que notre approche est cohérente dans le cadre de son application à
Chapitre V : Remaillage à subdivision variable par transformation harmonique
126
quatre exemples de volumes 3D réels (morphologie du poumon gauche, du cœur, de la tête,
et du poumon droit) issus d’acquisitions par des techniques d’imagerie médicale [LÖTJ98].
Les Figures V-4 et V-5 expliquent les approximations des maillages originaux par
la paramétrisation, le remaillage, et l’analyse multirésolution en ondelettes basé sur la
subdivision régulière. Plus précisément, les figures V-4 (a) et V-5 (a) sont les maillages
originaux 3D, du poumon gauche et du cœur. Les sous-figures V-4 (b), (c) et V-5 (b), (c),
représentent, respectivement, les images 2D maillées et les sommets 2D dans un cercle par
la transformation harmonique. Dans ces images maillées les sommets ont la même
connectivité et donc les mêmes index que ceux des maillages originaux. Ils sont
paramétrisés avec le maillage 2D de la Figure V-3 (b). En conséquence, nous pouvons
retrouver les maillages 3D de l’approximation qui ont la connectivité de subdivision
comme le montrent les figures V-4 (d) et V-5 (d). Les figures V-4 (e), (g) et V-5 (e), (g)
illustrent la décomposition multirésolution des volumes remaillés.
La Figure V-6 représente l’application à la subdivision irrégulière. La figure V-6 (e)
présente l’approximation obtenue à la résolution j=4 et 5 en considérant les régions
complexes du maillage original de la tête. Pour cette approximation, le maillage 2D est
d’abord synthétisé avec l’algorithme de détermination du niveau de subdivision qui est
défini par les paramètres de courbure et du nombre de sommets proposé dans le Chapitre
IV-3, page 94. Ce maillage montre la subdivision irrégulière (figure V-6 (d)). L’image
transformée (figure V-6 (e)) est paramétrisée avec le maillage subdivisé irrégulièrement
dans un espace bidimensionnel. Enfin, les filtres locaux calculés par la subdivision
irrégulière sont appliqués au maillage approximé (figures V-6 (g) et (i)). En particulier,
nous présentons les maillages approximés en couleurs (figures V-6 (b), (f), (h), et (j)). La
même procédure est appliquée au poumon droit comme le montre la Figure V-7.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
127
(a) Maillage original : (d) Remaillage à la
poumon gauche. résolution j=4.
(b) Transformation harmonique de (a). (e) Approximation de (d) à j=3.
(c) Sommets 2D transformés. (f) Approximation de (e) à j=2.
Figure V-4. Transformation harmonique et décomposition en ondelettes basée sur la
subdivision régulière du maillage du poumon gauche.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
128
(a)Maillage original : cœur. (d) Remaillage à la résolution j=4.
(b) Transformation harmonique de (a). (e) Approximation de (d) à j=3.
(c) Sommets 2D transformés. (f) Approximation de (e) à j=2.
Figure V-5. Transformation harmonique et décomposition en ondelettes basée sur la
subdivision régulière du maillage du cœur.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
129
(a) Maillage original : tête. (b) Maillage original en couleur.
(c) Transformation harmonique de (a). (d) Image 2D subdivisé irrégulièrement.
(e) Remaillage à la résolution j=4 et 5. (f) Remaillage en couleur.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
130
(g) Approximation de (e) à j=4. (h) Approximation en couleur de (f) à j=4.
(i) Approximation de (e) à j=3. (j) Approximation en couleur de (f) à j=3.
Figure V-6. Transformation harmonique et décomposition en ondelettes basée sur la
subdivision irrégulière du maillage de la tête.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
131
(a) Maillage original : poumon droit. (b) Maillage original en couleur.
(c) Transformation harmonique de (a). (d) Image 2D subdivisé irrégulièrement.
(e) Remaillage à la résolution j=4 et 5. (f) Remaillage en couleur.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
132
(g) Approximation de (e) à j=4. (h) Approximation en couleur de (f) à j=4.
(i) Approximation de (e) à j=3. (j) Approximation en couleur de (f) à j=3.
Figure V-6. Transformation harmonique et décomposition en ondelettes basée sur la
subdivision irrégulière du maillage du poumon droit.
Chapitre V : Remaillage à subdivision variable par transformation harmonique
133
4. Conclusions
Dans ce chapitre, nous avons étendu la méthode proposée dans le Chapitre IV-4
pour la paramétrisation d’un maillage original de connectivité quelconque.
Cette approche améliore remarquablement la paramétrisation du maillage original.
C’est à dire qu’un maillage approximé par cette paramétrisation est géométriquement plus
proche du maillage original que celui obtenu avec la méthode par transformation conforme.
Le maillage résultant a la connectivité de subdivision qui permet une représentation
multirésolution en ondelettes. Notons que cette dernière approche réduit notablement le
temps de calcul nécessaire pendant la procédure de paramétrisation du maillage, puisque
tous les calculs sont réalisés dans l’espace bidimensionnel.
Néanmoins, la paramétrisation qui minimise la déformation métrique, est encore
une perspective à atteindre. Aussi, la fusion de deux différents maillages obtenus n’est pas
encore résolue dans ce chapitre. Dans le chapitre suivant, nous développons une méthode
pour une fusion de maillages locaux.
Chapitre VI : Vers une fusion de maillages locaux
135
CHAPITRE VI
VERS UNE FUSION DE MAILLAGES LOCAUX
1. Introduction
Nos travaux précédents de ce mémoire de thèse, étaient toujours consacrés aux
maillages locaux. La fusion de différents maillages locaux est un problème essentiel à
résoudre.
Dans ce chapitre, nous proposons un algorithme de fusion qui permet l’association
de maillages locaux et la décomposition en ondelettes. Pour cela, nous transformons les
maillages locaux originaux en images maillées 2D à l’aide de la transformation
harmonique (Chapitre V-2, page 120). Ensuite, avec chaque image locale transformée, les
sommets du maillage de basse résolution subdivisé sont paramétrisés. En particulier, pour
le maillage de basse résolution, un polyèdre simple 3D est choisi comme, par exemple, un
octaèdre. Enfin, la fusion est appliquée aux bords des maillages locaux construits par la
paramétrisation. Il permet de reconstruire parfaitement un maillage décomposable sur une
base d’ondelettes. Nous montrons l’efficacité de cette méthode par les résultats
expérimentaux.
2. Transformation de maillages locaux sur un même espace 2D
La première étape pour une fusion de maillages locaux, est la transformation de
chaque maillage local sur un plan 2D. Ces images peuvent être obtenues par la
transformation harmonique proposée dans le Chapitre V-2 (page 120). Nous expliquons
cette procédure comme suit :
Chapitre VI : Vers une fusion de maillages locaux
136
• Calcul du centre de gravité du maillage original M .
• Transformation dans un nouveau système de coordonnées centré sur le centre de
gravité (Figure VI-1).
Figure VI-1. Transformation du maillage du thorax dans un nouveau système de
coordonnées.
• Partage du maillage original M en deux morceaux, L1M et L2M .
Nous restreignons ici le partage à deux parties. Rien ne s’oppose à la généralisation
à n parties (n ≥ 2). Cette restriction justifie le titre de ce chapitre. La division est
faite afin que les maillages locaux (L1M , L2M ) soient convexes. En conséquence,
les maillages divisés possèdent en commun les sommets à la frontière des deux
parties. Par exemple, la Figure VI-2 représente les maillages locaux du thorax
divisés par l’axe Y.
(a) L1M de maillage du thorax : face (b) L2M de maillage du thorax : dos
2240 sommets et 1176 faces. 2214 sommets et 1163 faces.
Figure VI-2. Maillage du thorax divisé par l’axe Y.
Chapitre VI : Vers une fusion de maillages locaux
137
• Transformation harmonique de chaque maillage local.
Dans un premier temps, le maillage local L1M est transformé en une image 2D en
utilisant la transformation de bord et la transformation d’intérieur expliquées dans
le Chapitre V-2 (page 120). Une autre image 2D pour le maillage local L2M , peut
être obtenue uniquement par sa transformation d’intérieur. Puisque L2M a les
mêmes sommets de bords (frontière) que L1M . Nous considérons que les
coordonnées des sommets à la frontière de L2M sont identiques à celles de L1M .
Voici les images obtenues par la transformation harmonique pour deux maillages
locaux du thorax :
(a) Transformation harmonique (b) Transformation harmonique
du maillage L1M du thorax. du maillage L2M du thorax.
Figure VI-3. Transformation harmonique des deux maillages locaux du thorax.
3. Fusion de maillages locaux
La paramétrisation est une procédure importante pour obtenir une approximation du
maillage original qui est décomposable en ondelettes. La méthode pour la paramétrisation
de maillages locaux proposée dans le Chapitre V-3 (page 125), est basée sur un maillage
synthétisé 2D comme, par exemple, un hexaèdre. Cependant, ce maillage 2D ne suffit pas,
pour construire une approximation du maillage original par un maillage qui a la
subdivision de connectivité. C’est à dire que le maillage synthétisé 2D a une discontinuité
sur les sommets de frontière ou de bords pour la décomposition en ondelettes. Les filtres
d’analyse, calculés dans un espace bidimensionnel, ne fonctionnent pas aux sommets de
frontière. Donc, il est nécessaire d’utiliser un maillage de basse résolution 3D pour la
paramétrisation.
Chapitre VI : Vers une fusion de maillages locaux
138
Nous présentons en détail les procédures pour obtenir une approximation
décomposable du maillage original :
• Construction et subdivision d’un maillage de basse résolution, puis déformation et
projection sur l’espace 2D.
Nous avons choisi un octaèdre pour le maillage de basse résolution (Figure VI-4
(a)). Ce maillage est construit afin que la distance entre l’origine et chaque sommet
soit de même longueur que celle du rayon du maillage transformé en 2D. Ensuite il
est subdivisé régulièrement ou irrégulièrement jusqu’à la résolution voulue en
fonction de nombre de sommets originaux et des paramètres calculés comme la
courbure et la densité de région (Chapitre IV-3, III-2, page 100). En conséquence, le
maillage subdivisé est déformé pour les coordonnées x, y, et la projection sur
l’espace 2D transforme les coordonnées z en 0. La Figure VI-4 est un exemple qui
illustre la faisabilité de ces procédures.
(a) Maillage de basse (b) Octaèdre subdivisé
résolution : Octaèdre. à j=4.
(c) Maillage déformé de la Figure VI-3 (b). (d) Maillage 2D obtenu par projection.
Figure VI-4. Construction du maillage de basse résolution, subdivision régulière à la
résolution j=4, déformation, et projection de l’octaèdre subdivisé.
Chapitre VI : Vers une fusion de maillages locaux
139
• Paramétrisation du maillage 2D obtenu par la projection du maillage de basse
résolution subdivisé, avec les maillages locaux originaux transformés.
Dans un premier temps, comme le maillage original est divisé en deux morceaux, le
maillage projeté est aussi divisé en deux morceaux. Ensuite, les sommets à
l’intérieur du maillage projeté local sont paramétrisés avec chaque maillage local
original. Pour cela, nous utilisons la méthode de paramétrisation présentée dans le
Chapitre IV-4 (page 113). En conséquence, avec les sommets originaux de bord, les
sommets de bord du maillage projeté sont aussi paramétrisés. Chaque sommet de
bord du maillage projeté est situé entre deux sommets originaux de bord. Donc,
nous pouvons calculer les coordonnées barycentriques avec deux sommets
originaux les plus proches. Enfin, la fusion de différents maillages locaux est
réalisée au bord. Chaque maillage local est adjacent aux mêmes sommets de bord,
alors, la fusion de deux maillages locaux paramétrisés peut être accomplie au bord
des maillages. Elle permet de construire complètement le remaillage du maillage
original.
La Figure VI-5 montre la technique de paramétrisation par un exemple du maillage
du thorax. Les figures VI-5 (a) et (c) représentent les images 2D maillées obtenues
par la transformation harmonique de maillages locaux, et les sommets d’intérieur de
l’octaèdre subdivisé à la résolution j=5 projetés sur l’espace 2D. Les figures VI-5
(b) et (d) sont, respectivement, les sommets 2D au bord du thorax et de l’octaèdre
subdivisé.
• Décomposition en ondelettes après remaillage.
En subdivisant régulièrement ou irrégulièrement le maillage de basse résolution,
nous pouvons calculer les filtres d’analyse par la technique présentée dans les
Chapitres II et IV (page 56, 100). Ces filtres d’analyse sont appliqués au nouveau
maillage obtenu.
La figure VI-6 présente respectivement le remaillage du thorax à la résolution j=5,
et les maillages d’approximation à la résolution j=0, 1, 2, 3,4. De plus, nous
représentons les résultats expérimentaux pour le remaillage du cœur sur la Figure
VI-7 et du poumon gauche sur la Figure VI-8.
L’algorithme présenté dans ce chapitre, est remarquable pour fusionner deux
remaillages partiels du maillage original.
Chapitre VI : Vers une fusion de maillages locaux
140
Figure VI-5. Transformation harmonique de maillages locaux du thorax et les sommets
locaux obtenus par la projection de l’octaèdre subdivisé à la résolution j=5.
(a) Transformation harmonique de L1M du thorax.Les sommets (bleu) d’intérieur sont ceux del’octaèdre local projetés sur l’intérieur del’espace 2D.
(c) Sommets de bord du maillagedu thorax transformé.
(d) Sommets du bord du maillagede l’octaèdre projeté.(b) Transformation harmonique de L2M du thorax.
Les sommets (bleu) d’intérieur sont ceux d’unautre octaèdre local projetés sur l’intérieur del’espace 2D.
Chapitre VI : Vers une fusion de maillages locaux
141
(a) Maillage original : thorax. (b) Remaillage du thorax à j=5.
(c) Approximation à j=4. (d) Approximation à j=3. (e) Approximation à j=2.
(f) Approximation à j=1. (g) Approximation à j=0.
Chapitre VI : Vers une fusion de maillages locaux
142
(h) Maillage du thorax en couleur. (i) Remaillage du thorax en couleur j=5.
(j) Approximation en couleur à j=4. (k) Approximation à j=3. (l) Approximation à j=2.
(m) Approximation à j=1. (n) Approximation à j=0.
Figure VI-6. Remaillage du maillage original du thorax à la résolution j=5, et les
approximations du remaillage par la décomposition en ondelettes à j=0, 1, 2, 3, 4.
Chapitre VI : Vers une fusion de maillages locaux
143
(a) Maillage du cœur en couleur. (b) Remaillage du cœur en couleur j=4.
(c) Approximation à j=3. (d) Approximation à j=2. (e) Approximation à j=0.
Figure VI-7. Remaillage du maillage original du cœur à la résolution j=4, et les
approximations du remaillage par la décomposition en ondelettes à j=1, 2, 3.
Chapitre VI : Vers une fusion de maillages locaux
(a) Maillage du poumon gauche.(d) Maillage de base irrégulièrement subdivisé à la résolution j=4 et 5.
Octaèdre 1
Octaèdre 2
e (d).
(b) Transformation harmonique (e) Projection de l’octaèdre 1 dde L1M du poumon gauche.
(c) Transformation harmonique (f) Projection de l’octaèdre 2 de (d).
de L2M du poumon gauche.
144
Chapitre VI : Vers une fusion de maillages locaux
à
Fap
(g) Remaillage du poumon (h) Approximation j=4.
gauche à j=4,5.
145
(i) Approximation à j=3. (j) Approximation à j=2.
(k) Approximation à j=1. (l) Approximation à j=0.
igure VI-8. Remaillage du maillage original du poumon gauche à la résolution j=4, 5 et lesproximations du remaillage par décomposition en ondelettes à j=1, 2, 3, 4.
Chapitre VI : Vers une fusion de maillages locaux
146
4. Conclusions
Dans ce chapitre, nous avons développé un algorithme qui fusionne les différents
maillages locaux. La fusion de maillages locaux permet de reconstruire complètement un
remaillage du maillage original. Ce remaillage ressemble géométriquement au maillage
original, et peut être décomposé sur une base d’ondelettes bi-orthogonales.
Cette contribution est le travail qui complète nos algorithmes précédents. Elle
constitue un travail essentiel de notre thèse.
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
147
CHAPITRE VII
FILTRAGE NON-LINEAIRE DES MAILLAGESSURFACIQUES
1. Introduction
En imagerie médicale 3D les maillages surfaciques sont obtenus par segmentation
d’un volume de voxels à l’aide de l’algorithme du marching cube [LORE87]. Si le volume
n’a pas fait l’objet d’une présegmentation et d’un lissage, le marching cube réalise une
segmentation qui peut être assimilée, en première approximation, à un simple seuillage.
Cette technique conduit à des surfaces rugueuses que nous considérons, dans notre
modélisation du problème du lissage de surface, comme la somme d’une surface lisse et
d’un bruit additif sur les coordonnées des sommets des triangles.
Dans ce chapitre, nous proposons d’étendre la technique du filtrage non-linéaire,
par seuillage des coefficients d’ondelettes, introduite par Donoho, à des surfaces maillées
décomposables sur une base d’ondelettes [DONO94]. Ce filtrage utilise une idée simple :
les petits coefficients d’ondelettes représentent essentiellement la contribution du bruit au
maillage. Si ces coefficients sont forcés à zéro, le maillage reconstruit sera plus lisse. Ce
filtrage pourra annuler des petits coefficients du maillage non bruité. Dans ce cas, la
dégradation introduite sera faible et conduira à une approximation optimale au sens des
moindres carrés du maillage idéal pour un nombre de coefficients d’ondelettes donnés.
Le schéma d’obtention d’un maillage pour le diagnostic médical serait alors le
suivant :
• Reconstruction d’un volume (voxels) : Tomographie X, tomographie par émission
de positons, imagerie par résonance magnétique nucléaire …
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
148
• Maillage par Marching Cube.
• Suppression des objets non connexes (optionnel).
• Remaillage, afin d’obtenir un maillage décomposable sur une base d’ondelettes (cf.
Chapitres VI).
• Décomposition en ondelettes.
• Seuillage des coefficients d’ondelettes (nouvelle proposition)
• Reconstruction (synthèse) du maillage.
2. Filtrage non-linéaire des maillages 3D
Notre objectif est de démontrer la faisabilité de l’extension de la méthode de
Donoho à des maillages surfaciques bruités. Pour cela, nous réalisons une simulation qui se
déroule suivant les étapes suivantes :
• Choix d’un maillage original issu de l’imagerie médicale.
Ce maillage est noté joM .
• Remaillage par transformation harmonique suivant la méthode proposée dans les
chapitres V et VI.
Ce maillage est noté jM .
• Ajout d’un bruit aléatoire de moyenne nulle et de variance ( )2jσ sur les
coordonnées des sommets.
Les réalisations de bruits sont indépendantes sur les trois coordonnées x , y , z . Le
maillage bruité est noté jbM . On a
( ) N22
/∑ −=i
jib
ji
j ssσ , (VII-1)
où jis représente un sommet ( )T
,, ji
ji
ji
ji zyxs = et N est le nombre de sommets.
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
149
• Décomposition du maillage original jM et du maillage bruité jbM à la résolution
1j − .
On obtient ainsi les maillages d’approximation original et bruité à la résolution
1j − notés, respectivement, 1jM − et 1jbM − ainsi que les coefficients de détails
notés, respectivement, 1jD − et 1jbD − . Rappelons que la matrice des coefficients de
détails 1jD − est définie par
( ) ( ) ( )[ ]TTTT 1jN
1j1
1j0
1j dddD −−−− = � , (VII-2)
avec [ ]T1ji
1ji
1ji
1ji zyxd −−−− = ,
où ix , iy , iz sont les coordonnées de détail du sommet d’indice i .
• Calcul de l’écart quadratique lié au bruit.
( ) ∑=
−−− −=N
1i
1jib
1ji
1j dd N22
/σ . (VII-3)
• Calcul du seuil :
1j1j1jS −−− = σµ , (VII-4)
où 1j −µ est une constante arbitraire que nous allons faire varier pour étudier
l’amélioration de la variance du bruit résiduel après seuillage.
• Filtrage par seuillage des coefficients d’ondelettes. Les méthodes suivantes sont
évaluées :
a) ‘Hard-thresholding’ (Figure VII-1 (a)).
Si 1j1jib Sv −− < où 1j
ibv − représente les coordonnées 1jibx − , 1j
iby − , 1jiz − ,
alors 0=−1jibv .
Sinon 1jibd − reste inchangée.
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
150
b) ‘Soft-thresholding’ [DONO95] (Figure VII-1 (b)).
Si 1j1jib Sv −− < , 0=−1j
ibv ,
sinon
1j1jib
1jib Svv --−− = si 0>−1j
ibv ,
1j1jib
1jib Svv -+= −− si 0<−1j
ibv .
1jibv − après seuillage 1j
ibv − après seuillage
1jibv − 1j
ibv −
(a) Hard-thresholding. (b) Soft-thresholding (seuillage de Donoho).
Figure VII-1. Deux méthodes de seuillage.
• Reconstruction du maillage filtré à la résolution j .
Ce maillage est noté jfM .
• Calcul de l’écart quadratique sur l’ensemble des sommets entre jM et jfM
(formule similaire à l’équation (VII-3)).
Dans cette procédure, le seuillage Soft-Thresholding permet de reconstruire un
maillage plus lisse que par la méthode Hard-Thresholding. En conséquence, par essais
successifs de la constante arbitraire 1j −µ , nous pouvons trouver 1j −µ tel que l’écart
quadratique obtenu entre jM et jfM soit minimal. Ceci signifie qu’on peut reconstruire le
maillage à débruitage optimal avec 1j −µ trouvée. Nous prouvons l’efficacité de notre
algorithme par les résultats simulés avec les maillages médicaux du cœur et du poumon.
S j-1
-S j-1
S j-1
-S j-1
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
151
(a) Maillage original du cœur à j = 4 : 4M . (b) Maillage bruité du cœur à j = 4 : 4bM .
µ 3
(c) Graphe de l’écart quadratique entre 4M et 4fM par hard-thresholding en fonction de 3µ .
µ 3
(d) Graphe de l’écart quadratique entre 4M et 4fM par soft-thresholding en fonction de 3µ .
Ecart quadratique
Ecart quadratique
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
152
(e) 4fM par hard-thresholding optimal. (f) 4
fM par soft-thresholding optimal.
Figure VII-2. Filtrage non-linéaire du maillage bruité du cœur.
(a) Maillage original du poumon à j = 4 : 4M (b) Maillage bruité du poumon à j = 4 : 4bM
µ 3
(c) Graphe de l’écart quadratique entre 4M et 4fM par hard-thresholding en fonction de 3µ .
Ecart quadratique
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
153
µ 3
(d) Graphe de l’écart quadratique entre 4M et 4fM par soft-thresholding en fonction de 3µ .
(e) 4fM par hard-thresholding optimal. (f) 4
fM par soft-thresholding optimal.
Figure VII-3. Filtrage non-linéaire du maillage bruité du poumon.
Ecart quadratique
Chapitre VII : Filtrage non-linéaire des maillages surfaciques
154
3. Conclusions
Dans ce chapitre, nous avons étendu la méthode du filtrage non-linéaire, par
seuillage des coefficients d’ondelettes, introduite par Donoho à des surfaces maillées
décomposables sur une base d’ondelettes.
Cette technique peut être appliquée facilement aux images volumiques médicales
bruitées. Elle permet de reconstruire le maillage lisse et débruité par seuillage des petits
coefficients d’ondelettes. Cependant, la définition du seuil optimal n’est pas résolue. La
validation croisée est une voie pour résoudre le problème [WEYR98].
Conclusion générale et perspectives
155
CONCLUSION GENERALE ET PERSPECTIVES
Cette thèse a été consacrée à l’analyse et la synthèse de surfaces maillées par
transformation sur une base d’ondelettes pour la représentation progressive hiérarchique
multirésolution. Les travaux antérieurs à notre recherche ne permettent pas de traiter
efficacement une région d’intérêt ou une région complexe qui est représentée par un rayon
de courbure élevé du maillage original. Ils emploient les algorithmes basés sur la
subdivision régulière, de ce fait, ils ne considèrent pas la complexité géométrique du
maillage. Ils ne sont donc pas adaptés à une représentation locale du maillage et ne
répondent pas aux besoins médicaux. Ceci nous a conduit à une étude fondamentale sur la
constitution d’un maillage local acceptable. A partir de cette étude, nous avons proposé des
méthodes qui surmontent les inconvénients des méthodes précédentes, et qui sont très
efficaces pour la constitution d’un maillage local.
Notre contribution à la décomposition en ondelettes porte sur la construction
d’ondelettes locales ainsi que des filtres d’analyse et de synthèse associés. Nous proposons
un remaillage global et local pour l’analyse multirésolution adaptée à la courbure locale.
Nous montrons également l’application du filtrage non linéaire des coefficients
d’ondelettes au lissage et au débruitage des maillages. Nous avons montré que ces
méthodes sont efficaces pour traiter la surface des objets 3D. Ainsi, l’association des
ondelettes avec la subdivision de surfaces nous a donné un résultat très probant pour des
images médicales.
Nos propositions et leurs résultats principaux sont rappelés en détail ci-dessous.
Notre méthode de décomposition locale en ondelettes de maillages triangulaires
conduit à une généralisation de la théorie des ondelettes et à des améliorations dans la
représentation du maillage local. Les techniques présentées ne généralisent pas seulement
le produit scalaire, mais permettent aussi de générer et d’utiliser des filtres locaux
Conclusion générale et perspectives
156
d’analyse et de synthèse. Ceci signifie qu’une région d’intérêt, ou une région à géométrie
complexe, ou une région avec une courbure élevée de la surface, peut être représentée
efficacement en utilisant les ondelettes bi-orthogonales locales.
Nous avons proposé également une nouvelle méthode de subdivision qui permet la
simplification des maillages triangulaires quelconques à l’aide de la transformée en
ondelettes. Contrairement aux travaux précédents, cette dernière méthode s’applique sans
remaillage. C’est à dire qu’à partir d’un maillage quelconque, nous pouvons obtenir un
maillage plus simple permettant une analyse multirésolution. De plus, au moment de la
reconstruction du maillage haute résolution à partir du maillage de basse résolution, il suffit
de fournir à l’algorithme de subdivision l’information lui permettant de savoir si une face
se subdivisera en une, deux, trois, ou quatre faces. Une technique de compression sans
perte prouve l’efficacité de notre algorithme pour une compression des maillages.
Nous avons proposé deux méthodes de remaillage local et global. Une première
méthode de paramétrisation locale de maillages quelconques ayant une connectivité
irrégulière utilise la transformation conforme. Le résultat de la paramétrisation locale est
nommé remaillage. Il permet une décomposition du maillage sur une base d’ondelettes.
Ainsi, nous avons introduit la décomposition et reconstruction basée sur la subdivision
locale. Dans cet algorithme, la décision de niveau de subdivision est calculée
automatiquement en fonction de la courbure locale et de la densité de région.
Un deuxième algorithme utilise la transformation harmonique et une fusion de
différents maillages locaux. Cette approche améliore remarquablement la paramétrisation
du maillage par transformation conforme. De plus, elle réduit notablement le temps de
calcul nécessaire pendant la procédure de la paramétrisation du maillage, puisque tous les
calculs se réalisent dans l’espace bidimensionnel. Pour une fusion de différents maillages
locaux, les approximations de maillages locaux originaux sont d’abord obtenues par la
transformation harmonique. Ensuite, la fusion est appliquée sur les bords de maillages
locaux. Elle permet de reconstruire complètement un maillage par analyse multirésolution.
Cette contribution est essentielle et complète les algorithmes précédents de notre thèse.
En dernier lieu, notre intérêt s’est porté sur une application spécifique intéressante
en l’imagerie médicale : le filtrage non-linéaire des maillages. Cette méthode, à partir d’un
maillage bruité, permet d’obtenir un maillage lisse et optimal au sens des moindres carrés.
Néanmoins, pour les méthodes décrites dans ce mémoire de thèse, nous
développons ci-dessous les trois points qui devraient être optimisés :
Conclusion générale et perspectives
157
• L’algorithme de décomposition directe sur une base d’ondelettes ne s’applique que
sur des maillages de surfaces fermées. De plus, sur certains maillages, il n’arrive
pas à simplifier la forme. Ceci est dû à la présence de branches du maillage trop
petites pour être simplifiées. Le procédé de décomposition en ondelettes utilisé ici
considère que toutes les faces d’un maillage sont d’une taille similaire.
• Pour la reconstruction du maillage décomposable en ondelettes par remaillage, la
minimisation de la déformation métrique du maillage original est encore un objectif
à atteindre.
• Pour la méthode de filtrage non linéaire des maillages, le choix automatique du
seuil est un problème non résolu. La validation croisée est une voie pour résoudre
ce problème.
Références bibliographiques
159
REFERENCES BIBLIOGRAPHIQUES
[ALLI98] ALLIEZ P., LAURENT N., SANSON H., "Approximation de Maillages 3D
Utilisant Une Métrique Basée Volume", Jounée de l’Association Française
d’Informatique Graphique, AFIG-98, Dunkerque, FRANCE, Décembre
1998, pp.77-87.
[ALLI00] ALLIEZ P., "Etude de la Représentation Géométrique et Texturelle de
Scènes en Réalité Virtuelle 3D pour les Services de Visualisation dans Un
Contexte Télécommunicant", Thèse de Doctorat : ENST de Paris,
Spécialité : Signal et Images, Juillet 2000, p.231.
[BAJA99] BAJAJ C., PASCUCCI V., ZHUZNG G., "Progressive Compression and
Transmission of Arbitrary Triangular Meshes", IEEE Visualization-99, San
Francisco California, USA, October 1999, pp.307-316.
[BELZ98] BELZ G., POURTEYRON P., THIBON F., VALETTE S., "Compression /
Décomposition et Tansmission Progressive d’Images 3D Représentées par
des Surfaces", Projet de Fin d’Etude : Génie Electrique, INSA de Lyon,
1998, p.93.
[BERE97] BERETTA P., "Compression d'Images Appliquée aux Angiographies
Cardiaques: Aspects Algorithmiques et Evaluation de la Qualité
Diagnostique", Thèse de Doctorat : INSA de Lyon, Spécialité :Génie
Biologique et Médical, Novembre 1997, p. 228.
[BOIX95] BOIX E., "Approximation Linéaire des Surfaces de R3 et Applications",
Thèse de Doctorat : Ecole Polytechnique, Spécialité : Mathématiques, Avril
1995, pp.80-94 et 158-168.
[BOLL91] BOLLE R. M., VEMURI B. C., "On Three-Dimensional Surface
Reconstruction Methods", IEEE Trans. on Pattern Analysis and Machine
Intelligence, January 1991, Vol.13, No.1, pp.1-13.
Références bibliographiques
160
[BONN98a] BONNEAU G. P., GERUSSI A., "Hierarchical Decomposition of Datasets
on Irregular Surface Meshes", Computer Graphics International, CGI-98,
Hannover, GERMANY, June 1998, p.5.
[BONN98b] BONNEAU G. P., "Multiresolution Analysis on Irregular Surface Meshes",
IEEE Trans. on Visualization and Computer Graphics, October-December
1998, Vol.4, No.4, pp.365-378.
[BORO99] BOROUCHAKI H., "Simplification des Maillages de Surfaces Basée sur la
Distance de Hausdorff", C. R. Acad. Sci. Paris – Analyse numérique, 1999,
Vol.1, No.329, pp.641-646.
[BREC95] BRECHÜHLER C., GERIG G., KÜBLER O., "Parametrization of Closed
Surfaces for 3-D Shape Description", Computer Vision and Image
Understanding, March 1995, Vol.61, No.2, pp.154-170.
[BRIC97] BRICE T., "Compression 2D & 3D : Allocation des Bits aux Coefficients
d’Ondelettes pour la Quantification Vectorielle et Scalaire Arborescente",
DEA : CREATIS, INSA de Lyon, 1997, pp.32-43.
[BROW97] BROWN P. J. C., FAIGLE C. T., "A Robust Efficient Algorithm for Point
Location in Triangulations", Technical Report : Cambridge University,
Febraury 1997, p.12.<URL : http://www.erc.msstate.edu/~vkire/summer99/brown.point.location.ps.gz>
[CATM78] CATMULL E., CLARK J., "Recursively Generated B-spline Surfaces on
Arbitrary Topological Meshes", Computer Aided Design, 1978, Vol.10,
No.7, pp.350-355.
[CERT96] CERTAIN A., POPOVIC J., DEROSE T., DUCHAMP T., "Interactive
Multiresolution Surface Viewing", International Conference on Computer
Graphics and Interactive Techniques, SIGGRAPH-96, New Orleans
Louisiana, USA, August 1996, pp.91-98.
[CHAS91] CHASSERY J. M., MONTANVERT A., Géométrie Discrète en Analyse
d’Image, Paris : Hermès, 1991, p.480.
[COHE97] COHEN J., MANOCHA D., OLANO M., "Simplifying Polygonal Models
Using Successive Mappings", IEEE Visualization-97, Phoenix Arizona,
USA, October 1997, pp.395-402 and 564.
[COOK84] COOK R. L., "Shades Trees", Computer Graphics, 1984, Vol.18, No.3,
pp.223-231.
[DAUB99] DAUBECHIES I., GUSKOV I, SCHRÖEDER P., SWELDENS W.,
"Wavelets on Irregular Point Sets," Phil. Trans. R. Soc. Lon. A, 1999,
Vol.357, No.1760, pp.2397-2413.
[DEER95] DEERING M., SUN MICROSYSTEMS, "Geometry Compression",
International Conference on Computer Graphics and Interactive
Références bibliographiques
161
Techniques, SIGGRAPH-95, Los Angeles California, USA, August 1995,
pp.13-20.
[DELI94] DELINGETTE H., "Simplex Mesh : A General Representation for 3D
Shape Reconstruction", Rapport de Recherche : INRIA, Mars 1994,
No.2214, p.55.
<URL : ftp://ftp.inria.fr/INRIA/publication/publi-pdf/RR/RR-2214.pdf>
[DERO92] DEROSE T., "Three-Dimensional Computer Graphics : A Coordinate-Free
Approach", Manuscript : University of Washington, October 1992, p.136.
<URL : ftp://ftp.cs.washington.edu/pub/graphics/GeometryBook.ps.Z.>
[DERO98] DEROSE T., KASS M., TRUONG T., "Subdivision Surfaces in Character
Animation", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-98, Orlando Florida, USA, July 1998,
pp.85-94.
[DESB99] DESURUN M., MEYER M., SCHRÖDER P, BARR A. H., "Implicit
Fairing of Irregular Meshes Using Diffusion and Curvature Flow",
International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-99, Los Angeles California, USA, August 1999,
pp.46-52.
[DING96] DING Y., "Amelioration de la Qualité Visuelle et de la Robustesse aux
Post-traitement des Images Comprimées par Une Approche de Type
‘Problème inverse’". Thèse de Doctorat : INSA de Lyon, Spécialité :Signal,
Image, Parole, Octobre 1996, p. 142.
[DONO94] DONOHO D. L., JOHNSTONE I. M., "Ideal Spatial Adaptation by Wavelet
Shrinkage", Biometrika, 1994, Vol.81, No.3, pp.425-455.
[DONO95] DONOHO D. L., JOHNSTONE I. M., "Adapting to Unknown Smoothness
via Wavelet Shrinkage", J. Amer. Statist. Assn., December 1995, Vol.90,
No.432, pp.1200-1224.
[DOO78] DOO D., SABIN M., "Behaviour of Recursive Division Surfaces Near
Extraordinary Points", Computer Aided Design, November 1978, Vol.10,
No.6, pp.356-360.
[DUCH97] DUCHAMP T., CERTAIN A., DEROSE A., STUETZLE W., "Hierarchical
Computation of PL Harmonic Embeddings", Preprint : University of
Washington, July 1997, p.21.<URL : ftp://ftp.math.washington.edu:/pub/duchamp/harmonic-embedding.ps.gz.>
[DYN90] DYN N., LEVIN D., GREGORY J., "A Butterfly Subdivision Scheme for
Surface Interpolation with Tension Control". ACM Trans. on Graphics,
April 1990, Vol.9, No.2, pp.160-169.
[ECK95] ECK M., DEROSE T. D., DUCHAMP T., HOPPE H., LOUNSBERY M.,
STUETZLE W., "Multiresolution Analysis of Arbitrary Meshes",
Références bibliographiques
162
International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-95, Los Angeles California, USA, August 1995,
pp.173-182.
[ECK96] ECK M., HOPPE H., "Automatic Reconstruction of B-Spline Surfaces of
Arbitrary Topological Type", International Conference on Computer
Graphics and Interactive Techniques, SIGGRAPH-96, New Orleans
Louisiana, USA, August 1996, pp.325-334.
[EELL64] EELLS J., SAMPSON J. H., "Harmonic Mappings of Riemannian
Mainfonds", Amer. J. Math., 1964, Vol.86, pp.109-160.
[EELL88] EELLS J., LEMAIRE L., "Another Report on Harmonic Maps", Bull.
London Math. Soc., 1988, Vol.20, pp.385-524.
[ELSA99] EL-SANA J., VARSHNEY A., "Generalized View-Dependent
Simplification", Computer Graphics Forum, September 1999, Vol.18, No.3,
pp.83-94.
[ERIK99] ERIKSON C., MANOCHA D., "GAPS : General and Automatic Polygonal
Simplification", 1999 ACM Symposium on Interactive 3D Graphics, Atlanta
Georgia, USA, April 1999, pp.79-88 et 225.
[FANG93] FANG T. P., PIEGL L. A., "Delaunay Triangulation Using a Uniform Grid",
IEEE Computer Graphics and Applications, May 1993, Vol.13, No.3,
pp.36-47.
[FANG95] FANG T. P., PIEGL L. A., "Delaunay Triangulation in Three Dimensions",
IEEE Computer Graphics and Applications, September 1995, Vol.15, No.5,
pp.62-69.
[FARI97] FARIN G., Curves and Surfaces for Computer-Aided Geometric Design : A
Practical Guide, New York : Academic Press, 1997, p.429.
[FAUG84] FAUGERAS O., HEBERT M., MUSSI P., BOISONNAT J. D., "Polyhedral
Approximation of 3-D Objects without Hole", Computer Vision, Graphics,
and Image Processing, Santa Barbara New York, USA, October 1984,
Vol.25, pp.169-183.
[FAYE97] FAYEK R. E., "Feature-Based 3D Surface Modeling by Improved
Constrained Triangular Meshes", IEEE International Conference on Image
Processing, ICIP-97, Santa Barbara New York, USA, October 1997, Vol.II,
pp.740-743.
[FIDR96] FIDRICH M., "Iso-Surface Extraction in 4D with Applications Related to
Scale Space", Rapport de recherche : INRIA, Mars 1996, No.2833, p.28.
<URL : ftp://ftp.inria.fr/INRIA/publication/publi-pdf/RR/RR-2833.pdf>
[FINK94] FINKELSTEIN A., SALESIN D. H., "Multiresolution Curves",
International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-94, Orlando Florida, USA, July 1994, pp.261-268.
Références bibliographiques
163
[FINK96] FINKELSTEIN A., "Multiresolution Application in Computer Graphics :
Curves, Images, and Video", PhD thesis : University of Washington, 1996,
p.140.
[FREY99] FREY. P. J., GEORGE P. L., Maillages : Application aux éléments finis,
Paris : Hermès, 1999, p.840.
[GARL96] GARLAND M., HECKBERT P. S., "Surface Simplification Using Quadric
Error Metrics", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-96, New Orleans Louisiana, USA,
August 1996, pp.209-216.
[GEOR97] GEORGE P. L., BOROUCHAKI H., Triangulation de Delaunay et
Maillage, Paris : Hermès, 1997, p.432.
[GIEN97] GIENG T. S., HAMANN B., JOY K. I., SCHUSSMAN G. L., TROTTS I.
J., "Smooth Hierarchical Surface Triangulation", IEEE Visualization-97,
Phoenix Arizona, USA, October 1997, pp.379-386.
[GOUR95] GOURDON A., "Simplification of Irregular Surface Meshes in 3D Medical
Images", Computer Vision, Virtual Reality, and Robotics in Medicine,
CVRMed-95, Nice, FRANCE 1995, pp.413-419.
[GREN94] GRENIER G., SEIDEL H., "Modeling with Triangular B-Splines", IEEE
Computer Graphics and Applications, March 1994, Vol.14, No.2, pp.56-60.
[GUSK99] GUSKOV I., SWELDENS W., SCHRÖDER P, "Multiresolution Signal
Processing for Meshes", International Conference on Computer Graphics
and Interactive Techniques, SIGGRAPH-99, Los Angeles California, USA,
August 1999, pp.325-334.
[GUSK00] GUSKOV I., VIDIMCE K., SWELDENS W., SCHRÖDER P., "Normal
Mesh", International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-00, New Orleans Louisiana, USA, July 2000,
pp.95-102.
[HAMA94] HAMANN B., "A Data Reduction Scheme for Triangulated Surfaces",
Computer Aided Geometric Design, 1994, Vol.11, pp.197-214.
[HANR97] HANRAHAN P., VEACH E., ZORIN D., "CS 448 - Topics in Computer
Graphics : Mathematical Models for Computer Graphics", Lecture Notes :
Stanford University, November 1997.
<URL : http://www-graphics.stanford.edu/courses/cs448-97-fall/notes.html>
[HECK97] HECKBERT P. S., GARLAND M., "Survey of Polygonal Surface
Simplification Algorithms", Technical Report : Canegie Mellon University,
May 1997, p.29. <URL:ftp://ftp.cs.cmu.edu/afs/cs/project/anim/ph/paper/
multi97/release/heckbert/simp.pdf>
Références bibliographiques
164
[HECK99] HECKBERT P. S., GARLAND M., "Optimal Triangulation and Quadric-
Based Surface Simplification", Journal of Computational Geometry :
Theory and Applications, November 1999, Vol.14, No.1-3, pp.49-65.
[HINK93] HINKER P., HANSEN C., "Geometric Optimization", IEEE Visualization-
93, San Jose California, USA, October 1993, pp.189-195.
[HOPP92] HOPPE H., DEROSE T., DUCHAMP T., MCDONALD J., STUETZLE
W., "Surface Reconstruction from Unorganized Points", International
Conference on Computer Graphics and Interactive Techniques,
SIGGRAPH-92, Chicago, USA, July 1992, pp.71-78.
[HOPP93] HOPPE H., DEROSE T., DUCHAMP T., MCDONALD J., STUETZLE
W., "Mesh Optimization", International Conference on Computer Graphics
and Interactive Techniques, SIGGRAPH-93, Anaheim California, USA,
August 1993, pp.19-26.
[HOPP94a] HOPPE H., DEROSE T., DUCHAMP T., MCDONALD J., STUETZLE
W., "Piecewise Smooth Surface Reconstruction", International Conference
on Computer Graphics and Interactive Techniques, SIGGRAPH-94,
Orlando Florida, USA, July 1994, pp.295-302.
[HOPP94b] HOPPE H., "Surface Reconstruction from Unorganized Points", PhD
thesis : University of Washington, June 1994, p.134.
[HOPP96] HOPPE H., "Progressive Meshes", International Conference on Computer
Graphics and Interactive Techniques, SIGGRAPH-96, New Orleans
Louisiana, USA, August 1996, pp.99-108.
[JOY97a] JOY K. I., "Subdivision Curves", On-Line Geometric Modeling Notes :
University of California, Davis, January 1997. <URL : http ://graphics.cs.
ucdavis.edu/Graphics/Subdivision-Curves/Subdivision-Curves.html>
[JOY97b] JOY K. I., "Subdivision Surfaces", On-Line Geometric Modeling Notes :
University of California, Davis, January 1997. <URL : http ://graphics.cs.
ucdavis.edu/Graphics/Subdivision-Surfaces/Subdivision-surfaces.html>
[JUNG98a] JUNG H. Y., "Contribution à la Compression Sans Pertes pour la
Transmission Progressive des Image. Proposition de Transformations avec
Arrondis", Thèse de Doctorat : INSA de Lyon, Spécialité : Signal, Image,
Parole, Avril 1998, p140.
[JUNG98b] JUNG H. Y., PROST R., "Lossless Subband Coding System Based on
Rounding Transform", IEEE Trans. on Signal Processing, September 1998,
Vol.46, No.9, pp.2535-2540.
[KALV96] KALVIN D., TAYLOR R. H., "Superfaces : Polygonal Mesh Simplification
with Bounded Error", IEEE Computer Graphics and Applications, May
1996, Vol.16, No.3, pp.64-77.
Références bibliographiques
165
[KEEV97] KEEVE E., SCHALLER S., GIROD S., GIROD B., "Adaptive Ssurface
Data Compression", Signal Processing, February 1997, Vol.59, pp.211-220.
[KENT92] KENT J. R., CARLSON W. E., PARENT R. E., "Shape transformation for
polyhedral objects", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-92, Chicago, USA, July 1992, pp.47-
54.
[KHOD00] KHODAKOVSKY A., SCHRÖDER P., SWELDENS W., "Progressive
Geometry Compression", International Conference on Computer Graphics
and Interactive Techniques, SIGGRAPH-00, New Orleans Louisiana, USA,
July 2000, pp.271-278.
[KIRK83] KIRKPATRICK D., "Optimal Search in Planar Subdivisions", SIAM
Journal on Computing, February 1983, Vol.12, No.1, pp.28-35.
[KLEI97] KLEIN A., CERTAIN A., DEROSE A., DUCHAMP T., STUETZLE W.,
"Vertex-Based Delaunay Triangulation of Meshes of Arbitrary Topological
Type", Preprint, July 1997, p.7.
<URL : ftp://ftp.math.washington.edu/pub/duchamp/tiling.pdf>
[KLER96] KLEIN R., LIEBICH G., STRABER W., "Mesh Reduction with Error
Control", IEEE Visualization-96, San Francisco California, USA, October
1996, pp.311-318.
[KOBB96] KOBBELT L., "Interpolatory Subdivision on Open Quadrilateral Nets with
Arbitrary Topology", Computer Graphics Forum, 1996, Vol.15, No.3,
pp.409-420.
[KOBB98] KOBBELT L., CAMPAGNA S., VORSATZ J., SEIDEL H. P., "Interactive
Multi-Resolution Modeling on Arbitrary Meshes", International Conference
on Computer Graphics and Interactive Techniques, SIGGRAPH-98,
Orlando Florida, USA, July 1998, pp.105-114,.
[KREY99] KREYSZIG E., Advanced Engineering Mathematics, New York : John
Wiley & Sons, 1999, p.1274.
[KRIS96] KRISHNAMURTHY V., LEVOY M., "Fitting Smooth Surfaces to Dense
Polygon Meshes", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-96, New Orleans Louisiana, USA,
August 1996, pp.313-324.
[KRUS97] KRUS M., BOURDOT P., GUISNEL F., THIBAULT G., "Levels of Detail
& Polygonal Simplification", ACM Crossroads, August 1997, Vol.3, No.4.
<URL : http://info.acm.org/crossroads/xrds3-4/levdet.html>
[KURI99] KURIYAMA S., KANEKO T., "Discrete Parametrization for Deforming
Arbitrary Meshes", Graphics Interface-99, Kingston Ontario, CANADA,
June 1999, p.132-139.
Références bibliographiques
166
[LACH98a] LACHAUD J. O., "Extraction de Surfaces à Partir d’Images
Tridimensionnelles : Approche Discrète et Approche par Modèle
Déformable", Thèse de Doctorat : Université Joseph Fourier, Discipline :
Informatique, Juillet 1998, p.186.
[LACH98b] LACHAUD J. O., MONTANVERT A., "Deformable Meshes with
Automated Topology Changes for Coarse-to-Fine Three-Dimensional
Surface Extraction", Medical Image Analysis, September 1998, Vol.3, No.2,
pp.187-207.
[LE97] LE H. Q., "Subdivision Surfaces", Course Notes : University of Waterloos,
April 1997, p.28.
<URL : http://daisy.uwaterloo.ca/~hqle/subdivision/index.html>
[LEE98] LEE A. W. F., SWELDENS W., SCHRÖDER P., COWSAR L., DOBKIN
D., "MAPS : Multiresolution Adaptive Parameterization of Surfaces",
International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-98, Orlando Florida, USA, July 1998, pp.95-104,.
[LEE99] LEE A. W., DOBKIN D., SWELDENS W., SCHRÖDER P,
"Multiresolution Mesh Morphing", International Conference on Computer
Graphics and Interactive Techniques, SIGGRAPH-99, Los Angeles
California, USA, August 1999, pp.343-350.
[LEE00] LEE A. W., MORETON H., HOPPE H., "Displaced Subdivision Surfaces",
International Conference on Computer Graphics and Interactive
Techniques, SIGGRAPH-00, New Orleans Louisiana, USA, July 2000,
pp.85-94.
[LEES99] LEE S., "Interactive Multiresolution Editing of Arbitrary Meshes", 20°
Annual Conference of the European Association for Computer Graphics,
EUROGRAPHICS-99, Milano, ITALY, September 1999, Vol.18, No.3,
pp.73-82.
[LOOP87] LOOP C. T., "Smooth Subdivision Surfaces Based on Triangles", Master’s
thesis : University of Utah, August 1987, p.74.
[LORE87] LORENSEN W. E., CLINE H. E., "Marching Cubes : A High Resolution
3D Surface Construction Algorithm", Computer Graphics, July 1987,
Vol.21, No.4, pp.163-169.
[LÖTJ98] LÖTJÖNEN J, REISSMAN P. J., MAGNIN I. E., NENONEN J., KATILA
T., "A Triangulation Method of an Arbitrary Point Set for Biomagnetic
Problems", IEEE Trans. on Magnetics, July 1989, Vol.11, No.7, pp.674-
693.
[LOUN94] LOUNSBERY M., "Multiresolution Analysis for Surfaces of Arbitrary
Topological Type", PhD thesis : University of Washington, September 1994,
p.129.
Références bibliographiques
167
[LOUN97] LOUNSBERY M., DEROSE T., WARREN J., "Multiresolution Analysis
for Surfaces of Arbitrary Topological Type", ACM Trans. On Graphics,
January 1997, Vol.16, No.1, pp.34-73.
[MALL89] MALLAT S. G., "A Theory Multiresolution Signal Decomposition : The
Wavelet Representation", IEEE Trans. on Pattern Analysis and Machine
Intelligence, July 1989, Vol.11, No.7, pp.674-693.
[MAO87] MAO X., KUNII T. L., FUJISHIRO I., NOMA T., "Hierarchical
Representations of 2D/3D Gray-Scale Images and Their 2D/3D Two-Way
Conversion", IEEE Computer Graphics and Applications, December 1987,
Vol.7, pp.37-44.
[MATA97] MATA C. S., MITCHELL J. S. B., "A New Algorithm for Computing
Shortest Paths in Weighted Planar Subdivisions", Proceedings of the
thirteenth Annual Simposium on Computational Geometry, 13SCG97, Nice,
France, June 1987, pp.264-273.
[MEYE93] MEYER Y., Les ondelettes : Algorithmes et Applications, Paris : Armand
Colin, 1993, p.196.
[MEYD94] MEYERS D., "Multiresolution Tiling" Computer Graphics Forum,
December 1994, Vol.13, No.5, pp.325-340.
[NASO96] NASON G. P., "Wavelet Shrinkage Using Cross-validation", J. R. Statist.
Soc., 1996, Vol.58, No.2, pp.463-479.
[PARK97] PARK I. K., LEE S. U., "Geometric Modeling from Scattered 3-D Range
Data", IEEE International Conference on Image Processing, ICIP-97,
Vol.II, October 1997, Santa Barbara New York, USA, pp.712-715.
[PENT94] PENTLAND A. P., "Interpolation Using Wavelet Bases", IEEE Trans. on
Pattern Analysis and Machine Intelligence, April 1994, Vol.16, No.4,
pp.410-414.
[POPO97] POPOVIC J, HOPPE H, "Progressive Simplicial Complexes", International
Conference on Computer Graphics and Interactive Techniques,
SIGGRAPH-97, Los Angeles California, USA, August 1997, pp.217-224.
[PROS97a] PROST R., DING Y., BASKURT A., "JPEG Dequantization Array for
Regularized Decompression", IEEE Trans. on Image Processing, June 1997,
Vol.6, No.6, pp. 883-888.
[PROS97b] PROST R., "Analyse Multirésolution et Ondelettes Discrètes", Rapport de
Recherche : CREATIS, INSA de Lyon, 1997, p.37.
[QUAK94] QUAK E., WEYRICH N., "Decomposition and Reconstruction Algorithms
for Spline Wavelets on a Bounded Interval" Applied and Computational
Harmonic Analysis, June 1994, Vol.1, No.13, pp.217-231.
Références bibliographiques
168
[REIF95] REIF U., "A Unified Approach to Subdivision Algorithms Near
Extraordinary Points", Computer Aided Geometric Design, 1995, Vol.12,
pp.153-174.
[REIF00] REIF U., SCHRÖDER P., "Curvature Smoothness of Subdivision Surfaces",
Technical Report : Caltech, 2000, No.00-03, p.15.
<URL : http://www.multires.caltech.edu/pubs/h2.pdf>
[RIOU91] RIOUL O., VETTERLI M., "Wavelets and Signal Processing" IEEE SP
Magazine, October 1991, Vol.8, No.4, pp.14-38.
[ROSS93] ROSSIGNAC J., BORREL P., "Multi-resolution 3D Approximations for
Rendering Complex Scenes", Second Conference on Geometric Modeling in
Computer Graphics, Genova, ITALY, June 1993, pp.453-465.
[SCHR92] SCHRÖEDER W. J., ZARGE J. A., LORENSEN W. E., "Decimation of
Triangle Meshes", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-92, Chicago, USA, July 1992, pp. 65-
70.
[SCHR95] SCHRÖDER P., SWELDENS W., "Spherical Wavelets : Efficiently
Representing Functions on the Sphere", International Conference on
Computer Graphics and Interactive Techniques, SIGGRAPH-95, Los
Angeles California, USA, August 1995, pp.161-172.
[SCHU93] SCHUMAKER L. L., "Triangulations in CAGD", IEEE Computer Graphics
and Applications, January 1993, Vol.13, No.1, pp.47-52.
[SCHW96] SCHWEITZER J. E., "Analysis and Application of Subdivision Surfaces",
PhD thesis : University of Washington, August 1996, p.179.
[SEID93] SEIDEL H. P., "An Introduction to Polar Forms", IEEE Computer Graphics
and Applications, January 1993, Vol13., No.1, pp.38-46.
[SOUC96] SOUCY M., LAURENDEAU D., "Multiresolution Surface Modeling Based
on Hierarchical Triangulation", Computer Vision and Image Understanding,
January 1996, Vol.63, No.1, pp.1-14.
[STOL95a] STOLLNITZ E. J., DEROSE T. D., SALESIN D. H., "Wavelets for
Computer Graphics : A Premier, Part 1", IEEE Computer Graphics and
Applications, May 1995, Vol.15, No.3, pp.76-84.
[STOL95b] STOLLNITZ E. J., DEROSE T. D., SALESIN D. H., "Wavelets for
Computer Graphics : A Premier, Part 2", IEEE Computer Graphics and
Applications, July 1995, Vol.15, No.4, pp.75-85.
[STOL96] STOLLNITZ E. J., DEROSE T. D., SALESIN D. H., Wavelets for
Computer Graphics : Theory and Application, San Francisco : Morgan
Kaufmann Publishers, 1996, p.245.
Références bibliographiques
169
[SWEL96a] SWELDENS W., "The Lifting Scheme : A Custom-Design Construction of
Biorthogonal Wavelets", Applied and Computational Harmonic Analysis,
April 1996, Vol.3, No.2, pp.186-200.
[SWEL96b] SWELDENS W., SCHRÖDER P., "Wavelets in Computer Graphics :
Building Your Own Wavelets at Home", Course Notes : SIGGRAPH-96,
1996, pp.15-87.
<URL : http://cm.bell-labs.com/who/wim/papers/lift2.pdf>
[SZEL90] SZELISKI R., "Fast Surface Interpolation Using Hierarchical Basis
Functions", IEEE Trans. on Pattern Analysis and Machine Intelligence,
June 1990, Vol.12, No.6, pp.513-528.
[TAUB98a] TAUBIN G., ROSSIGNAC J., "Geometric Compression through
Topological Surgery", ACM Transactions on Graphics, 1998, Vol. 17, No.
4, pp. 84-115.
[TAUB98b] TAUBIN G., GUUZIEC A., HORN W., LAZARUS F, "Progressive Forest
Split Compression", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-98, Orlando Florida, USA, July 1998,
pp.123-132,.
[TERZ88] TERZOPOULOS D., "The Computation of Visible-Surface
Representations", IEEE Transactions on Pattern Analysis and Machine
Intelligence, July 1990, Vol.10, No.4, pp.417-438.
[TIED90] TIEDE U., HOEHNE K. H., BOMANS M., POMMERT A., RIEMER M.,
WIEBECKE G., "Investigation of Medical 3D-Rendering Algorithms,"
IEEE Computer Graphics & Applications, March 1990, Vol.10, No.2,
pp.41-53.
[TOUB00] TOUBIN M., "Caractérisation et Simplification de Modèles Numériques de
Scènes Réelles par Approche Multirésolution dans Un Contexte Multi-
capteurs". Thèse de Doctorat : Univ. De Bourgogne, Discipline :
Instrumentation et Informatique de l’Image, Novembre 2000, p.144.
[TURK92] TURK G., "Re-tiling Polygonal surfaces", Computer Graphics, 1992,
Vol.26, No.2, pp. 55-64.
[VALE98] VALETTE S., "Décomposition en Ondelettes Géométriques de la Surface
d’Images 3D, Application à la Compression et à la Transmission Progressive
via Internet", DEA : CREATIS, INSA de Lyon, 1998, p.37.
[VALE99a] VALETTE S., THIBON F., KIM Y. S., JUNG H. Y., MAGNIN I., PROST
R., "Décomposition en Ondelettes de Maillages Triangulaires 3D
Irrégulièrement Subdivisés. Application à la Compression", "17ème colloque
sur le Traitement du Signal et des Images, GRETSI-99, Vannes, FRANCE,
Septembre 1999, Vol.1, pp. 941-944.
Références bibliographiques
170
[VALE99b] VALETTE S., KIM Y. S., JUNG H. Y., MAGNIN I., PROST R., "A
Multiresolution Wavelet Scheme for Irregularly Subdivided 3D Triangular
Mesh", IEEE International Conference on Image Processing, ICIP-99,
Kobe, JAPAN, October 1999, Vol.1, pp.171-174.
[VARS94] VARSHNEY A., "Hierarchical Geometric Approximation", PhD thesis :
University of North California, 1994, p.111.
[VETT84] VETTERLI M., "Multi-Dimensional Sub-band Coding : Some Theory and
Algorithms", Signal Processing, February 1984, vol.6, pp.97-112.
[WEYR98] WEYRICH N., WARHOLA G. T., "Wavelet Shrinkage and Generalized
Cross Validation for Image Denoising", IEEE Trans. on Image Processing,
January 1998, Vol.7, No.1, pp.82-90.
[XU98] XU W., FUSSEL D., "Subdivision Tree Representation of Arbitrary
Triangle Meshes", Technical Report : University of Texas at Austin, January
1998, No. 98-03, p.29.
<URL : http://www.cs.utexas.edu/users/wxu/www_docs/papers/TR.ps.Z>
[XU99] XU W., HAMMERSLEY R., FUSSEL D., "Lossless Topological
Subdivision of Triangle Meshes", Submitted for publication : University of
Texas at Austin, September 1999, p.48.
<URL : http://www.cs.utexas.edu/users/wxu/www_docs/papers/TOG.ps.Z>
[YAOU94] YAOU M. H., CHANG W. T., "Fast Surface Interpolation Using
Multiresolution Wavelet Transform", IEEE Trans. on Pattern Analysis and
Machine Intelligence, July 1994, Vol.16, No.7, pp.417-438.
[YEME00] YEMEZ Y., SCHMITT F., "Modélisation Progressive Multiniveaux
d’Objets 3D par Particules", 12ème Congrès Francophone AFRIF-AFIA de
Reconnaissance des Formes et Intelligence Artificielle, RFIA-2000, Paris,
FRANCE, Février 2000, Vol.I, pp.473-482.
[ZHAN98] ZHANG D., JOHSON A., HEBERT M., LIU Y., "On Generating Multi-
resolution Representations of Polygonal Meshes", ICCV-98 Workshop on
Model-based 3-D Image Analysis, Bombay, INDIA, January 1998, p.7.
[ZHAN99] ZHANG D., HEBERT M., "Harmonic Maps and Their Applications in
Surface Matching", IEEE Conference on Computer Vision and Pattern
Recognition, CVPR-99, Fort Collins Colorado, USA, June 1999, p.10.
[ZORI96] ZORIN D., SCHRÖDER P., SWELDENS W., "Interactive Multiresolution
Mesh Editing", International Conference on Computer Graphics and
Interactive Techniques, SIGGRAPH-96, New Orleans Louisiana, USA,
August 1996, pp.189-192.
[ZORI97a] ZORIN D., SCHRÖDER P., SWELDENS W., "Interactive Subdivision for
Meshes with Arbitrary Topology", International Conference on Computer
Références bibliographiques
171
Graphics and Interactive Techniques, SIGGRAPH-97, Los Angeles
California, USA, August 1997, pp.259-268.
[ZORI97b] ZORIN D. N ., "Stationary Subdivision and Multiresolution Surface
Representations", PhD thesis : California Institute of Technology, 1997,
p.179.
[ZORI99] ZORIN D., SCHRÖDER P., "Subdivision for Modeling and Animation",
Course Notes : SIGGRAPH-99, 1999, p.202.
<URL : http://www.multires.caltech.edu/teaching/courses/subdivision/>
Liste des publications personnelles
[KIM99] KIM Y. S., VALETTE S., JUNG H. Y., PROST R., "Local Wavelet
Decomposition for 3-D Surfaces", IEEE International Conference on Image
Processing, ICIP-99, Kobe, JAPAN, October 1999, Vol.1, pp.357-360.
[KIM00] KIM Y. S., VALETTE S., JUNG H. Y., PROST R., "Local Remeshing and
Wavelet Decomposition for 3D Surfaces", Juillet 2000, p.16, soumis à la
revue IEEE Transaction on Image Processing.
[KIM01] KIM Y. S., VALETTE S., PROST R., "Adaptive Wavelets Based
Multiresolution Modeling of Irregular Meshes via Harmonic Maps", Janvier
2001, soumis au congrès IEEE International Conference on Image
Processing( ICIP-01), Thessaloniki, Greece.
[VALE99a] VALETTE S., THIBON F., KIM Y. S., JUNG H. Y., MAGNIN I., PROST
R., "Décomposition en Ondelettes de Maillages Triangulaires 3D
Irrégulièrement Subdivisés. Application à la Compression", "17ème colloque
sur le Traitement du Signal et des Images, GRETSI-99, Vannes, FRANCE,
Septembre 1999, Vol.1, pp.941-944.
[VALE99b] VALETTE S., KIM Y. S., JUNG H. Y., MAGNIN I., PROST R., "A
Multiresolution Wavelet Scheme for Irregularly Subdivided 3D Triangular
Mesh", IEEE International Conference on Image Processing, ICIP-99,
Kobe, JAPAN, October 1999, Vol.1, pp.171-174.
FOLIO ADMINISTRATIF
THESE SOUTENANCE DEVANT L’INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON
Nom : KIM Date de soutenance : 29 Janvier 2001Prénom : Yun-Sang
Titre : Analyse adaptative et synthèse multirésolution de surfaces maillées par décomposition sur une base d’ondelettes.
Nature : Doctorat Numéro d’ordre : 2001 ISAL 0003Formation doctorale : Images et systèmes
Code B.I.U._Lyon : T 50/210/19 / et bis Classe :
RESUME :
La décomposition du maillage triangulaire d’un objet 3D sur une base d’ondelettes, suivant l’approche de Lounsbery,nécessite un maillage dont la connectivité est obtenue par subdivisions régulières de toutes les faces des triangles d’unmaillage de base. Cette méthode ne permet pas une adaptation locale de la subdivision en fonction de la courbure ou,plus généralement, de la complexité de l’objet. D’autre part, elle ne permet pas la décomposition des maillagesirréguliers, comme, par exemple, ceux obtenus par l’algorithme du Marching Cube qui est utilisé de façon standard enimagerie médicale. Cette thèse propose des solutions à ces problèmes.Dans un premier temps, une méthode de décomposition locale des maillages réguliers par construction de basesd’ondelettes bi-orthogonales locales est proposée. Puis, deux approches pour la décomposition adaptative desmaillages irréguliers sont développées :- la décomposition irrégulière directe sur une base d’ondelettes bi-orthogonales,- un remaillage.Deux techniques de remaillage sont proposées : l’une est basée sur une paramétrisation par transformation conforme ets’adapte à la courbure locale de l’objet, l’autre utilise une paramétrisation par transformation harmonique. Ladeuxième méthode permet la fusion de maillages locaux.Ce travail se termine par la démonstration de la faisabilité d’une application de la décomposition en ondelettes :lissage de surfaces maillées par filtrage non-linéaire des coefficients d’ondelettes.Les applications potentielles de ces travaux sont très nombreuses : transmission progressive, compression et codage,affichage progressif, édition multirésolution du maillage d’objets 3D.
MOTS CLES : Surface, Maillage, Ondelette, Multirésolution, Subdivision, Simplification, Paramétrsation, Filtrage non-linéaire
Laboratoire de recherche :Centre de Recherche Et d’Applications en Traitement des Images et du Signal (CREATIS UMR CNRS 5515)
Directeur de thèse : Rémy PROST
Président de jury : Françis SCHMITT
Composition du jury : Houman BOROUCHAKI, Isabelle MAGNIN, Christophe ODET, Rémy PROST,
Françis SCHMITT, Frédéric TRUCHETET
top related