silhouette extraction 轮廓提取方法征集

Question

关于silhouette提取的方法，Gooch在02和03年都做过总结，分两个分支，
   一是基于物体空间的轮廓提取方法，有
   * Brute Force
   * Edge Buffer
   * Probabilistic
   * Gauss Map Arc Hierarchy
   * Normal Cone Hierarchy
   * Implicit Surfaces
   * NURBS Surfaces   （我会在下面的回复中，慢慢的把我对每个方法的理解写出来。）
    
   二是基于图像（2D image）空间的轮廓提取方法，这个我认为是基于像素（pixel）的，所以生成的位图（bitmap），而我要的结果是向量图（vector image），所以就把这个分支的方法都否了。现在还不知对错，请告人指教。
   
   从03年后，关于silhouette 提取的论文有很多，但是我看到的都是对原有方法的细枝末节的改进，或者我看得不够多，有对这个方向感兴趣的同仁，请不吝赐教。
   

Answer 1

对于silhouette 的定义方法有两种，
一是对于polygnal model,就是全部由三角形组成的模型，研究它的每一条边，如果此边连接的两个面一个是前向面，一个是后向面（基于一定的视线方向view vector),则该边是silhouette. 
二是对于smooth model, 研究每一个点的法向量，与视点到该点的视向量的夹角，如果是90度，则该点是silhouette.
我的研究基于前者。

Answer 2

Brute Force算法是最经典的轮廓提取算法，他确保了边界提取的完整性，即所有的边界都会找出，但是时间代价很大。Brute Force算法完全按照定义来执行。首先对model，建立一个 edge list, 对于每一条边，检查它相关联的两个面，如果一个为前向面，一个为后向面，则把该边加入silhouette edge list中。如此循环，直到所有的轮廓边都被找出。
该方法的缺点很明显，每一次旋转物体，或者改变视线方向，都要重新计算每一个面的可见性，当model数据相当大时，显然不能满足用户失实交互的需要。

Answer 3

Edge Buffer算法是对Brute Force算法的改进，它建立一个face list代替了Brute算法里的Edge list，这样只对每个面检测一次可见性，然后用flag纪录每个面的前向后向性，再对其关联的边测定是silhouette与否。时间复杂度从O(边的个数）提高到了O(面的个数）。