1.一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：包括以下步驟：S1、對待提取對象進行特征提取，得到待提取對象的特征區域，所述待提取對象包括預備體三角網格模型和由預備體掃描得到的點云數據經過處理后生成的三角網格模型；S2、對待提取對象的特征區域采用DBSCAN聚類法自動識別出頸緣特征區域；S3、采用改進的形態學方法對頸緣特征區域進行處理，得到頸緣線，所述改進的形態學方法使斷開的頸緣特征區域連通，并使頸緣特征區域中的開環特征線閉合；所述步驟S3包括：S31、備份頸緣特征區域中當前區域的狀態；S32、采用形態學膨脹和腐蝕操作使斷開的頸緣特征區域連通；S33、對連通處理后的頸緣特征區域采用形態學Skeletonize操作進行骨架線提取，然后根據骨架線提取的結果執行相應的操作：若提取出的骨架線為閉環特征線，則直接以該閉環特征線作為提取出的頸緣線，并結束自動提取過程，反之，則執行步驟S34；S34、將頸緣特征區域恢復到備份的狀態，然后采用改進的Skeletonize操作提取骨架線，再接著修剪提取出的骨架線中的短分支，得到一條開環特征線；S35、使開環特征線閉合，從而提取出頸緣線；所述步驟S34包括：S341、將頸緣特征區域恢復到備份的狀態；S342、采用改進的Skeletonize操作提取骨架線，所述改進的Skeletonize操作在提取時對于符合Skeletonize操作刪除條件的特征點，判斷該特征點是否僅有1個1-鄰域特征點，若是，則不對該特征點進行刪除操作，以保留特征線的開環分支，反之，則刪除該特征點；S343、修剪提取出的骨架線中的短分支，得到一條開環特征線。2.根據權利要求1所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S1包括：S11、讀取待提取對象；S12、設置曲率區間和曲率閾值，然后計算待提取對象中三角網格頂點的平均曲率，并將平均曲率大于曲率閾值的點標記為特征點，最終得到由所有特征點構成的特征區域。3.根據權利要求2所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S2包括：S21、預設聚類參數組合列表(r，minPts)，其中，r為聚類的半徑，minPts為設定的鄰域密度閾值；S22、以待提取對象當前特征區域的特征點作為聚類的數據集D進行聚類初始化，其中，每次聚類初始化都會從聚類參數組合列表(r，minPts)中選取一組未被采用的聚類參數；S23、對聚類的數據集D進行DBSCAN聚類，得到所有簇的集合cluster；S24、根據統計數據對得到的集合cluster進行刪除處理，以剔除集合cluster中不屬于頸緣特征區域的簇；S25、采用集合cluster中刪除處理后剩余的簇對待提取對象的特征區域進行更新，得到頸緣特征區域。4.根據權利要求2所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述設置的曲率區間為[1.2,1.5]。5.根據權利要求3所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S24包括：S241、將點數小于minPts的簇從集合cluster中刪除，然后判斷此時集合cluster中剩余的簇是否多于2個，若是，則繼續執行步驟S242，反之，則返回步驟S22；S242、計算集合cluster中剩余簇的平均點數averSize；S243、從集合cluster中刪除點數小于0.5*averSize的簇，然后判斷此時集合cluster中剩余的簇是否多于2個，若是，則繼續執行步驟S244，反之，則返回步驟S22；S2444、刪除集合cluster中點數最大的簇。6.根據權利要求1所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S32包括：S321、采用3次膨脹操作對頸緣特征區域進行處理，得到膨脹處理后的頸緣特征區域；S322、采用3次腐蝕操作對膨脹處理后的頸緣特征區域進行處理，使斷開的頸緣特征區域連通。7.根據權利要求1或6所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S35包括：S351、采用圖搜索方法搜索開環特征線兩端點間的最短路徑；S352、根據搜索的最短路徑使開環特征線閉合，得到閉合曲線；S353、對閉合曲線執行形態學Skeletonize操作，以提取出頸緣線。8.根據權利要求1或6所述的一種基于DBSCAN聚類的義齒頸緣線自動提取方法，其特征在于：所述步驟S35包括：S351、采用B樣條曲線對開環特征線進行擬合，得到閉環曲線；S352、將閉環曲線投影至待提取對象的三角網格中，以提取出頸緣線。
展開
