一個視覺物體或一個三維模型的骨架，是一種可以揭示該物體或模型的拓樸結構的呈現方式，因此骨架可以被應用在諸多場合當中，例如形狀分析和電腦動畫。近年來，有許多針對從一個物體當中抽取骨架的研究工作。然而，大多數的研究著重於完整和乾淨的資料（儘管這些研究當中，有一些有將缺失值考慮在內），但在實務上，我們經常要處理不完整和不潔淨的資料，就像資料裡面可能有缺失值和雜訊。在本論文中，我們研究雜訊處理，而且我們將焦點放在針對帶有雜訊的點雲資料進行前置處理，以便生成相應物體的骨架。在我們提出的方法當中，我們首先識別可能帶有雜訊的資料點，然後降低雜訊值的影響。為了識別雜訊，我們將監督式學習用在以密度和距離作為特徵的資料上。為了降低雜訊值的影響，我們採用三角形表面和投影。這個前置處理方法是有彈性的，因為它可以搭配任何能夠從點雲資料當中抽取出物體的骨架的工具。我們用數個三維模型和多種設定進行實驗，而結果顯示本論文所提出的前置處理方法的有效性。與未經處理的模型（也就是原始模型加上雜訊）相比，在從帶有雜訊的點雲資料當中產生物體的骨架之前，如果我們先使用本論文所提出的前置處理方法，那麼我們可以得到一個包含更多原來的物體的拓撲特徵的骨架。我們的貢獻如下：第一，我們展示了機器學習可以如何協助電腦圖學。第二、針對雜訊識別，我們提出使用距離和密度做為學習過程中要用的特徵。第三、我們提出使用三角表面和投影，以減少在做雜訊削減時所需要花費的時間。第四、本論文提出的方法可以用於改進三維掃描。 / The skeleton of a visual object or a 3D model is a representation that can reveal the topological structure of the object or the model, and therefore it can be used in various applications such as shape analysis and computer animation. Over the years there have been many studies working on the extraction of the skeleton of an object. However, most of those studies focused on complete and clean data (even though some of them took missing values into account), while in practice we often have to deal with incomplete and unclean data, just as there might be missing values and noise in data. In this thesis, we study noise handling, and we put our focus on preprocessing a noisy point cloud for the generation of the skeleton of the corresponding object. In the proposed approach, we first identify data points that might be noise and then lower the impact of the noisy values. For identifying noise, we use supervised learning on data whose features are density and distance. For lowering the impact of the noisy values, we use triangular surfaces and projection. The preprocessing method is flexible, because it can be used with any tool that can extract skeletons from point clouds. We conduct experiments with several 3D models and various settings, and the results show the effectiveness of the proposed preprocessing approach. Compared with the unprocessed model (which is the original model with the added noise), if we apply the proposed preprocessing approach to a noisy point cloud before using a tool to generate the skeleton, we can obtain a skeleton that contains more topological characteristics of the model. Our contributions are as follows: First, we show how machine learning can help computer graphics. Second, we propose to use distance and density as features in learning for noise identification. Third, we propose to use triangular surfaces and projection to save execution time in noise reduction. Fourth, the proposed approach could be used to improve 3D scanning.

京都大学 / 新制・課程博士 / 博士(農学) / 甲第23933号 / 農博第2482号 / 新制||農||1089(附属図書館) / 学位論文||R4||N5368(農学部図書室) / 京都大学大学院農学研究科森林科学専攻 / (主査)教授 五十田 博, 教授 仲村 匡司, 准教授 倉田 真宏 / 学位規則第4条第1項該当 / Doctor of Agricultural Science / Kyoto University / DGAM

京都大学 / 新制・論文博士 / 博士(工学) / 乙第13546号 / 論工博第4209号 / 新制||工||1984(附属図書館) / (主査)教授 竹脇 出, 教授 聲高 裕治, 准教授 張 景耀 / 学位規則第4条第2項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM

專家系統為人工智慧發展的一支，至今已廣泛地應用於各個領域，從自然科學到社會 科學不一而足，但在土地登記的領域則尚未發展。法律條文之訂定為人類經驗與智慧 的累積，法官之裁判亦以邏輯推理為基礎，與專家系統的特性不謀而合，因此法律領 域被認為是非常適合發展專家系統的範疇。由於土地登記的相關法令繁瑣，行政命令 更是不計其數，地政人員流動性大，知識的傳遞及累積相當不易，若建立土地登記諮 詢專家系統將可解決這個問題，並且可提供一般民眾查詢填表，輕易地獲取專家的知 識，改善土地行政效率，提高地政機關服務效能，即方便又有效力。 在系統初期發展階段，擬先選取抵押權登記來發展其系統雛型，研究重點在於系統知 識庫的建立。經由問題的確認、知識的萃取表達、控制策略的探討，最後運用專家系 統骨架EXSYS PROFESSIONAL將知識以規則(IF-THEN) 的形式加以組織表達，並以向後 鍵結的方式控制知識庫的推論方向，建構抵押權登記諮詢專家系統之雛型。並兼探討 專家系統在土地登記領域應用之可行性，期能拓展地政電腦化之研究領域，提供後續 研究者參考。 玆將本研究之內容摘要如下： 1 專家系統在土地登記領域應用可行性之探討。 2 抵押權登記之知識表達方法。 3 抵押權登記諮詢專家系統之推理方法與控制策略。 4 抵押權登記諮詢專家系統雛型之建立。 5 未來發展方向之探討。