对偶Voronoi聚类与重网格化

为了以更快的速度得到高质量的多分辨率网格,提出一种基于Voronoi-Delaunay三角化技术的多分辨率表示生成算法.该算法将原三角网格转化为对偶多边形网格再进行Voronoi划分,以自动满足共点聚类块不能超过3个这一约束;根据曲率分布情况来选取基点,以便能更好地捕捉几何特征;最后利用Loop细分规则与局部Laplace 平滑指导参数域上的重采样,再映射回模型空间获取最终采样结果,以提高重采样质量.由于Voronoi划分是重网格化算法的瓶颈,采用文中算法能减少划分时条件检测的耗时,从而显著地降低整个重网格化算法的时间复杂度.     

一种针对基于图像的3D重建网格的简化算法

文章提出了一种针对“基于图像的曲面3D重建网格”的简化算法,利用原曲面光照图像的等灰度值曲线来确定初始简化三角网格,然后通过若干次细分操作改善三角网格的形状,从而形成最终的简化网格。由于所有计算都在平面图像上进行,使得复杂的三维网格简化计算变成相对容易的平面网格简化计算,并同时具有保持原曲面的显示效果的优点。实验结果显示,该算法具有高效的计算速度和良好的显示效果保持特性,并可望应用到更广泛的高度场数据的简化方法中。     

三角网格细分法在重建隧道三维结构中的应用

曲面造型一直是计算机图形学的重要研究内容之一。曲面的显示效果涉及到数据的存储结构及对数据的操作方法等多方面的知识。网格细分是曲面的一种表示方法,但却是目前广泛使用的一种曲面造型方法。而三角网格细分的许多算法已经成功地应用于许多领域。本文介绍了曲面造型的相关理论,重点介绍了Loop细分算法及其在重建隧道三维结构中应用。     

稠密散乱数据点多分辨率曲面重构

将曲面重构看作是一种信号重构过程，针对大量散乱数据点，借助成熟的三角网格划分和网格化简算法，利用提升小波变换实现曲面重构，可以快速地构造出复杂拓扑结构的Calmull-Clark曲面；给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法．通过运行实例证明了文中算法的有效性．     

基于三角网格模型多分辨分解的图像压缩

构造了图像的三角网格模型.基于三角网格模型的多分辨分解,提出了一个新的图像压 缩方法.通过图像的三角网格模型的多分辨分解、压缩与重构,实现了图像的多分辨解、压缩与重 构.构造了一个在小波图像压缩中未曾使用过的小波滤波器组,该小波滤波器组算法具有O(n)运 行时间.实验表明,该方法能获得较好的图像压缩性能.     

按曲率选取基点的多分辨率表示重构算法

通过曲率引导选取一组基面来完成Eck等提出的任意拓扑三角网格多分辨率表示重构算法中的Voronoi划分．在提高效率的同时,可在相同网格规模下取得更好的重构质量;在重采样过程中以粗网格的Loop细分来指导参数域的细分,减轻了原算法因线性细分而产生的块状分界现象．最后提出一种自适应细分重采样技术,以减少数据冗余．     

一种面向移动3D图形的几何简化方法

移动3D图形计算是无线网络和图形学高速发展产生的新研究领域.由于无线网络带宽和移动终端设备显示分辨率的限制,需要将3D图形进行分解压缩,依据不同的分辨率进行内容转码.提出了一种基于改进Loop细分的几何模型简化算法.一个稠密的几何网格通过反复操作3个步骤:顶点分裂、奇点预测和重新三角化,生成由稀疏的基网格和一系列偏移量组成的渐进网格.在奇点预测过程中,将改进Loop细分模板作为预测器.由于Loop细分相关联的顶点数目少,提高了几何模型简化和重建的速度.渐进网格易于在无线网络上渐进传输,并可在移动终端上无损重建3D图形.实验表明,算法简单、效率高,适用于移动环境下3D图形的应用.     

基于图像融合的电容成像

为提高电容层析成像系统重建图像质量,提出基于图像融合的电容成像方法.通过电磁场有限元仿真软件COMSOL构建ECT传感器模型进行仿真研究,分别通过共轭梯度算法和奇异值分解算法重建图像,运用基于小波变换的图像融合方法对图像进行处理.仿真及实验结果表明该方法有效改进了ECT图像质量.     

用于图像重构的代数多重网格算法

通过分析代数多重网格(algebraic multi-grid,AMG)算法中粗网格提取过程,提出了一种基于代数多重网格算法的图像重构算法.在代数多重网格算法的粗网格序列中,下一层粗网格保留上一层网格的强连接部分.将这种机制运用到图像,提取的粗网格可以较好的保留图像的有效信息部分,在图像变化剧烈的细节区域网格点分布不均匀,平滑模糊部分网格点分布均匀一致.以粗网格像素点进行插值,可以得到较好的重建结果.以均方误差为评价参数,与小波算法进行了比较,比较结果表明该算法在一定程度上优于传统的小波算法,且有一个图像融合应用实例,优于小波融合方法.     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法.在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y,可分离的,而实际二维信号中大多是不宜分开处理的.在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像.基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解.     

基于离散数据的自由曲面三角网格实现算法

针对自由曲面三角网格实现过程中三角网格的数目和形态等质量问题，提出一种采用最小权法直接实现三角划分的算法。分析和总结了三角形网格的优化方法，制定了具体的三维优化过程，不仅分析指出了现在主流三维划分的优点和局限性，而且结合环域网格的特点，制定了用增加点法完成的三维优化方法。提高了三角划分的速度，改善了三角单元质量，并提高了对三角单元进行修正的速度,实验结果证明了算法的有效性。     

基于内容的网格生成算法

在基于模型的编码技术中,选择合适的网络模型对提高模糊的运动估计精度、编码效率和得到高质量的解码图像都是至关重要的。本文提出的基于图像内容的自适应网络模型生成算法,首先利用数学形态学中的水线算法把编码图像分割成许多纹理一致的区域,所分割的区域反映了图像的结构、轮廓和边界;再对这些区域的边界进行多边形拟合,得到多边形各个边的端点作为网格模型的节点,以这些节点为基础就能生成一个Ｄｅｌａｕｎａｙ三角形网格     

基于弹簧变形模型的图像缩放方法

目的 随着显示设备分辨率和纵横比的多样化,内容感知图像缩放技术逐渐成为图像处理领域新的研究热点之一,为了既能实现图像有效缩放,又能较好保持图像主体区域的几何结构完整,提出一种基于弹簧近似的内容感知图像缩放方法。方法 首先,为控制图像缩放,对输入图像进行显著性检测和特征直线检测;其次,在图像上构建一个平面三角网格,视三角网格的每一条边为一根弹簧,则整个三角网格构成一个弹簧系统,可利用该弹簧系统的变形实现图像缩放,其中,根据每根弹簧所在图像区域的显著度设置弹簧的弹性系数,该系数可在缩放时有效保持图像的主体区域,避免主体内容缩放不均匀或变形;然后,以图像直线特征保持为约束,构造用于约束弹簧系统变形的目标函数;最后,利用纹理贴图技术把弹簧系统每个三角形对应的图像贴回弹簧系统,得到缩放后的目标图像。结果 为证明本文方法的有效性,对大量图像进行多比例缩放测试,并与现有方法进行比较。在同比例缩放下,本文方法可以更好地保持图像中的主体区域,以及特征直线,使放缩后的图像整体具有更好的视觉效果。本文方法的计算时间小于0.19 s,时间成本与现有方法大致相同。结论 基于弹簧系统的内容感知图像缩放方法,通过弹簧系统变形带动网格变形进而实现图像缩放,与现有的内容感知图像缩放方法相比,本文方法所处理的图像视觉效果更好,实验结果表明,本文方法能够更有效、快速地处理各种图像的内容感知缩放。     

一种基于SfM重建点云的三角网格化算法*

针对SfM重建点云的曲面建模问题,提出一种改进的区域增长网格化算法。定义k近邻影响域提高拓扑稳定性,引入二叉排序树高效地组织候选三角片,采用无向环搜索策略完成孔洞的检测,最终获得完整的三角网格面。实验结果表明,该算法相比于Possion曲面重建,在获得高的重建精度的同时显著提高了计算效率,有助于提升3D曲面重建与模型表现的性能。     

基于Delaunay三角剖分的图象变形技术研究

提出了一种新的图象变形方法 ,即基于 Delaunay三角剖分的图象变形方法 .与四边形网格方法相比 ,用三角形网格定义特征区域 ,特征点的选取更自由、数目更少 .针对变形过程中运算量最大的坐标变换 ,提出了一种基于 Bresenham算法的坐标变换算法 .该算法完全采用加减运算 ,避免了乘法及舍入取整运算 ,大大加快了图象变形的运算速度 .计算机仿真试验表明 ,在同等数目控制点的条件下 ,该算法变形效果及运算速度均优于四边形网格方法 .     

极大熵条件下的动态搜索优化图象重建方法

提出一种满足多种准则的动态搜索优化图象重建方法。从图象场的本质出发，设立了３个准则函数。熵函数的导数是非线性的，本文将其变换为近似的线性公式以获得迭代公路。动态搜索则尽可能避免很多算法在迭代过程中对图象校正过量或不足的问题。     

Delaunay三角形模型基立体图像编码

立体图像具有2倍于普通图像的数据量,给存储和传输带来了一定的困难,因此对立体图像的压缩和编码非常重要.文中讨论了Delaunay 三角形模型基立体图像编码的各个环节,提出一种可以保持网格拓扑结构不变的视差估计方法.该方法是一个三步迭代过程:首先利用迭代块匹配算法得到较精确的匹配结果;然后利用迭代多边形匹配算法对得到的匹配结果进行优化,使得一些三角形的预测误差最小;最后删除掉视差不可靠的节点.利用变长编码来编码网格节点和视差矢量,并对残差图像利用DCT进行编码.实验结果表明,与基于块的传统编码方法和其他网格匹配算法相比,该方法在获得较高压缩比的同时,解码图像亦具有较高的主客观质量.     

基于STL文件的Laplacian网格优化算法

针对直接重构得到且以STL文件格式存储的网格模型质量不高的问题, 提出了一种基于Laplacian坐标的网格模型全局优化算法。该算法在提高三角面片质量的同时可以很好地保持原网格模型的局部几何特征, 其核心思想是通过在最小二乘意义下求解由权重控制的包含顶点位置和拉普拉斯坐标双重约束的线性系统来对网格顶点进行重新定位。从实验结果可以看出, 该算法较以往的Lapacian优化算法在对网格细节特征的保持上有一定优势。     

Image Interpolation by Pixel-Level Data-Dependent Triangulation

We present a novel image interpolation algorithm. The algorithm can be used in arbitrary resolution enhancement, arbitrary rotation and other applications of still images in continuous space. High‐resolution images are interpolated from the pixel‐level data‐dependent triangulation of lower‐resolution images. It is simpler than other methods and is adaptable to a variety of image manipulations. Experimental results show that the new “mesh image” algorithm is as fast as the bilinear interpolation method. We assess the interpolated images' quality visually and also by the MSE measure which shows our method generates results comparable in quality to slower established methods. We also implement our method in graphics card hardware using OpenGL which leads to real‐time high‐quality image reconstruction. These features give it the potential to be used in gaming and image‐processing applications.     

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84 dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。