基于局部—全局方法的三角网格优化算法

在基于网格形变的图像缩放算法中,表示图像的网格质量对于这类算法的结果有着很大的影响。为了改善图像网格质量,提出一种基于局部—全局方法的平面三角网格优化算法。在局部阶段利用自定义的最相似规则,为网格中的每一个三角形单元求取与之最相似的正三角形,得到一组目标仿射变换函数;全局阶段采用尽可能刚性方法,利用最小二乘法求取一组满足最小变形能量函数的最优解,使得最终生成的网格由尽可能相似于正三角形的三角形构成。同时,在优化过程中加入约束控制,保护网格中的重要区域不发生改变。实验结果表明,优化后的网格质量得到了明显的改善,有助于图像缩放算法后续工作的进行。     

基于多边形顶点法矢量的网格模型简化算法

在计算机图形学中，经常采用网格模型进行几何物体的描述，而网格模型的大数据量成为实时绘制的瓶颈，因此，必须对网格模型进行简化。目前的简化算法，主要是以网格模型几何误差的最小化为准则，而忽略了模型的视觉特征，为此提出了一种基于法矢量的模型简化算法，其简化准则是视觉特征的最优化。首先获取多边形顶点的平均法矢量，然后依据该法矢量确定简化门限。实验结果表明，当地景模型简化至95.4%时，仍然保持了令人满意的图象质量。该算法能够在保证高度真实感视觉效果的前提下，实现模型较大幅度的简化。     

基于代价函数三角网格模型动态简化的研究

模型简化是解决复杂三维模型存储、传输、实时绘制与硬件处理能力的局限性之间矛盾的主要方法。介绍了三角网格模型简化相关技术和算法。目前基于边折叠的三角网格模型简化算法边折叠计算复杂,没有有效进行动态简化,结合Garland的二次误差度量算法和Hoppe的累进网格算法,提出了基于代价函数的三角网格模型动态简化算法。     

离散曲率约束的三角网格模型拓扑分割算法

针对三角形网格模型简化中保持细节特征的要求,提出了依据离散曲率划分三角网格顶点的特性,并结合区域增长法自适应地确定拓扑分支的优化算法.每个顶点根据其相邻面片顶点的曲率值划分属性区域,并在区域生长过程中重复选择K-ring碟形区域中具有相似属性值的顶点作为种子.为了有效地探索凸凹形状区域,以曲率极值点作为初始点,提出了有效的区域增长及合并的策略,突出了模型的局部特征和拓扑结构.最后通过一系列实验验证了该算法的快捷性.     

带属性的三角网格模型简化算法研究

在计算机视觉，计算机仿真，网络传输中，经常遇到带有颜色，纹理等属性的三角网格模型的简化问题，文中提出一种带属性的三角网格模型简化的算法，该算法将表征网格顶点信息的向量由简单的三维几何信息扩展到包含颜色，纹理等附加信息的多维向量，在R^n空间中用对称Hausdorff距离控制网络简化顺序和精度，既保证了简化网格模型在几何上与补始网格模型尽可能地相似，又较好地保存了初始网格模型的颜色，纹理等信息。     

基于二次误差度量的大型网格模型简化算法

针对传统网格模型简化算法无法处理尺寸大于内存容量的网格模型的问题,提出一种改进的基于二次误差度量的大型网格简化算法.在经典二次误差度量(quadric error metric,QEM)算法的基础上,改进算法引入顶点法向量夹角与边长作为权值,以及基于八叉树的模型划分策略.实验结果表明,该算法能够完成大型网格模型的简化,并且在简化过程中很好地保持了原模型的细节特征.     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

保持外形特征的网格简化算法

目前许多网格简化算法在大幅度减少算法简化时间的同时,忽略了模型简化后的仿真质量。为此提出一种基于外形特征保持的网格简化算法：依据顶点坍塌值由小到大的次序将顶点排入网格简化优先队列中;每次选择队首顶点向其折叠点合并,并且更新队列中受影响的顶点信息,再对队列重新排序。此算法数据结构存储简单,大规模简化后的模型仍然较好保持了原模型的视觉特征。     

一种基于边折叠的LOD自动生成算法

多细节层次（LOD）是实时图形生成的一项重要技术。介绍了几种典型的多细节层次模型的自动生成算法，在此基础上提出了一种基于边折叠的多边形网格模型简化算法。实验表明，这种网格模型简化算法能在损失很少的屏幕像素误差的前提下提高图形绘制速度，是一种简单且有效的LOD自动生成算法。     

医学体数据中基于局部特征尺寸的Delaunay四面体化算法*

为了从医学体数据构建面向虚拟手术仿真系统的器官实体模型,提出一种基于局部特征尺寸的Delaunay四面体化算法。首先采用Marching Cubes算法和外存模型简化技术从体数据中得到器官等值面简化模型,提出重心射线法去除内部冗余网格,获得器官多面体表面;然后基于局部特征尺寸构建表面顶点保护球,结合Delaunay细分算法生成边界一致的初始四面体网格;最后提出基于随机扰动的空间分解法快速生成内部节点,并逐点插入到四面体网格中优化单元质量。该算法克服了Delaunay细分算法无法处理锐角输入的缺点,并从理论     

多视三维重构中连续能量模型的凸优化

利用融合了轮廓线及体视的序列图像信息,提出了一个面向多视三维重构的稳健能量模型;为了适配于可视性约束,提出一种针对该能量模型的连续全局优化方法;为了保证栅格连通性选择的一致性及独立性,实施了全局连续优化的超松弛离散化。实例证明,该方法的实用性好,极大地减少了算法处理的内存开销,实现了在更高分辨率上有效的多视重构。     

基于MC算法的MEMS光刻仿真的三维重建方法研究

以MC(Marching Cubes)算法为基础,提出了一种补全重建后生成的三维形体表面出现空洞的方法,使用该方法进行三维重建生成的三维形体具有完整的外表面和良好的可视化效果.提出了一种三维重建时对多个形体进行布尔运算的新方法,该方法以MC算法为基础,将三维重建和布尔运算相结合,可以简单、方便、高效地进行三维重建时的布尔运算.     

R-D optimized progressive compression of 3D meshes using prioritized gate selection and curvature prediction

A rate-distortion (R-D) optimized progressive coding algorithm for three-dimensional (3D) meshes is proposed in this work. We propose the prioritized gate selection and the curvature prediction to improve the connectivity and geometry compression performance, respectively. Furthermore, based on the bit plane coding, we develop a progressive transmission method, which improves the qualities of intermediate meshes as well as that of the fully reconstructed mesh, and extend it to the view-dependent transmission method. Experiments on various 3D mesh models show that the proposed algorithm provides significantly better compression performance than the conventional algorithms, while supporting progressive reconstruction efficiently.     

基于锥束CT的两类三维表面重构方法比较研究

目前锥束CT的三维重构主要采用面绘制,其方法有两类,即体素级重构和切片级重构。在对比两类方法的基础上,提出了一种新的二维切片轮廓重构与三维表面重构相结合的切片级重构方法,然后以标准MC算法和该算法分别对两个实例进行重构并比较。结果表明,该算法更适合工业产品的三维表面重构。     

基于点云增强的网格化优化算法

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法。该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最小二乘法误差函数引入到点云法向计算中以优化点云法向量的质量。实验结果表明,优化后的网格化算法较传统泊松重建算法耗时更短,并且在一定程度上提高了重建模型的准确度。     

A mesh optimization algorithm based on neural networks

We have developed a mesh simplification method called GNG3D which is able to produce high quality approximations of polygonal models. This method consists of two distinct phases: an optimization phase and a reconstruction phase. The optimization phase is developed by applying an extension algorithm of the growing neural gas model, which constitutes an unsupervised incremental clustering algorithm. The primary goal of this phase is to obtain a simplified set of vertices representing the best approximation of the original 3D object. In the reconstruction phase we use the information provided by the optimization algorithm to reconstruct the faces obtaining the optimized mesh as a result. We study the model theoretically, analyzing its main components, and experimentally, using for this purpose some 3D objects with different topologies. To evaluate the quality of approximations produced by the method proposed in this paper, three existing error measurements are used. The ability of the model to establish the number of vertices of the final simplified mesh is demonstrated in the examples.     

采用CT切片的三角片曲面重构算法

采用二维平行轮廓线三维重建表面是三维建模研究领域的一项重要研究课题，具有非常广泛的应用领域。重建过程中计算量非常庞大，有效地化简重建的数据可以大大提高重建效率。文中提出了一种基于分析轮廓骨架点的表曲面重构算法。首先对CT切片进行预处理及图像分割，然后对轮廓线提取骨架，再进行骨架剪裁，最后采用模拟退火法进行三维重建。该算法使三维重构的数据大大化简，同时克服了局部优化算法中需交互指定初始连接边的缺点。     

环境重建三维格网数据下的快速航迹规划方法

三维环境重建数据往往以三角格网的形式进行管理和存储,在该数据上进行航迹规划是飞行器、机器人等实现自主飞行或行走的基础。但是航迹规划过程面临的最大困难是规划数据量庞大,规划时间过长以及内存消耗过大。本文以三维重建所得到的三角格网环境数据为基础,提出一种基于通视性分析的三维航迹规划算法。与A*算法和粒子群算法进行对比,实验结果表明本文算法能够在占用较少的内存空间的情况下快速生成三维可行航迹。     

离散Marching Cubes算法在骨科手术模拟系统的应用

为保证模型相对准确和满足模拟手术过程中三维交互的实时性要求,手术模拟系统要求在保持模型拓扑结构的前提下简化模型。该文详细介绍了离散MarchingCubes(DiscMC)算法及其实现,在实现过程中使用查表法,解决了二义性问题,提高了程序的运行效率。实验表明,DiscMC算法在保持模型的拓扑结构基础上大幅度减少了三角面片数目,缩减比例达66%。DiscMC算法作为计算机模拟骨科手术系统的三维表面模型重构和简化算法是合适的。     

心内膜表面几何模型三维重建算法研究

心内膜三维表面重建是心内膜三维标测系统中的关键问题。为了满足实际应用需求, 根据采集到的散乱点云数据的特点, 提出了一种改进的泊松表面重建算法。在估计表面点云法向量的基础上, 对表面点云法向量进行法向量一致化处理, 有效地控制时间复杂度, 快速重建出平滑的心脏模型。针对泊松表面重建算法中构建MC曲面出现的二义性问题, 提出一种消除二义性的简化改进方法, 可以更加精确地获取模型逼真表面, 提高重建的速度和精度。同时, 可以根据医生的要求, 对重建出的模型实时修正, 满足临床应用。最后, 通过实验验证了算法的有效性和可行性。