自交有理参数曲面网格生成

针对现有网格生成算法在处理自交曲面时出现的缺少交线表示、误差大以及交线附近三角形质量差的问题,提出一种针对自交有理参数曲面的网格生成算法.首先,利用动平面法计算曲面的奇异因子;其次,利用奇异因子和曲面的第一基本形式定位交线上的拓扑关键点;再次,基于动平面法设计了一种交线网格点配对生成算法,以保证网格交线的邻域协调性;最后,使用基于粒子的网格生成法生成参数域网格.在具有不同拓扑的自交曲面上进行网格生成实验,所提算法可保证网格交线拓扑正确性,且与未进行交线网格点配对的各类代表性各向同性网格生成算法相比,网格三角形最小角平均值平均高0.6%.     

一种用于表面重建的网格点生成算法

表面重建需要建立表面的多边形(通常为三角形)网格模型,该文给出的算法通过两项参数来控制边缘轮廓上生成的网格点,所生成的网格点不但能够体现边缘的主要特征,而且可以避免在重建时产生斜三角形。该算法具有速度快、适应性强以及可灵活调整重建精度的特点,已在医学影像工作站上的三维重建系统中获得了较好的应用。     

基于重新划分的三角形网格简化的一种改进算法

基于重新划分的三角形网格简化方法能自动生成多细节层次模型，它的基本思想是:根据三角形网格的局部几何和拓扑特征将一定数量的点分布到原网格上,生成一个中间网格,移去中间网格中的老顶点,并对产生的多边形区域进行局部三角化,最后形成以新点为顶点的三角形网格.本文在已有算法的基础上,提出了一种分布新点的算法,从而克服了原有方法的局限性.它利用三角形顶点的曲率和三角形的面积两个因素来反映网格在每个三角形处的特征.文中给出的一组实例说明了算法的有效性.     

基于三角形折叠的网格简化算法

在计算机图形学中，物体常常用三角形网格模型来描述。本文提出了一种新的基于三角形折叠的网格简化算法。该网格简化算法不仅能减少模型中的三角形数目而且能保持模型拓扑结构。算法给出了一种基于点到平面距离的有效的误差控制方法，并能在用户指定的误差范围内通过使原始网格中的三角形折叠达到大量简化的目的。该算法实现简单并且速度快。另外为了有效地支持多分辨率模型的表示以及相邻层次模型间的连续过渡，本文还给出了一种基     

点与三角形位置关系对三角网格拓扑的影响

逐点添加、局部优化的Watson算法和局部变换法是生成大规模离散点集Delaunay三角网格的常用方法。点与三角形位置关系判别和三角形外接圆包含点的测试分别是局部变换法和Watson算法正确生成Delaunay三角网格的重要环节。计算误差会导致点与三角形位置关系以及三角形外接圆包含点的错误判别,从而生成几何拓扑关系不正确的三角网格。采用相对位置坐标可以提高面积坐标和外接圆圆心、半径的计算精度。以等高线地图采集的地形数据为例,用改进的算法生成了包含393252个离散点的Delaunay三角网格。     

基于网格特征跟踪的小波图像压缩方法

用可分离二维小对图像进行小波变换时，高通滤波器具有水平、竖直和对角三个方向的选择性，因而对其它方向的高频信息（即边缘）的压缩效果不好，在高压缩比的情况下，产生明显的边缘Ｇｉｂｂｓ现象，本文利用三角形网格对图像进行边缘特征跟踪，有效地去除了这种现象，在至少保持了客观压缩质量（ＰＳＮＲ）的同时，提高了主观压缩质量，并通过确定网格点的特征点匹配领域以及引入弹性网的概念，得到了满足４条原则的网格点坐标的线     

基于三角形网格的浓密视差图提取

提出一种基于三角形网格的浓密视差图提取算法。用SUSAN算法从立体图像对中提取某一幅图像的特征点,用Delaunay的方法将特征点三角化,然后再进行视差的计算,最终得到浓密的视差图。该算法将SUSAN算法和DT(Dalau-nay triangulation)网格结合起来,使算法更加简单化,实现了浓密视差图的快速提取。     

保持细节特性的局部误差渐进网格简化算法

针对三维模型简化过程中生成渐进网格时存在局部区域精度与效率平衡优化的问题,提出一种基于局部区域环间法矢夹角变化的半边折叠渐进网格简化算法。首先,获取三维数据点的一环邻近点构成的邻域局部区域受重心度量距离约束的法矢,再获取与一环邻域三角形集合点有交集的三角形集合作为二环邻域区域;然后,以这两个局部区域法矢点乘的值为边折叠的折叠代价,该值越小表示该区域越趋向于平面,应优先简化,否则予以保留;最后,采用三角形内角判断方法来保证简化后网格中三角形的正则度,以减小变形引起的误差。实验结果表明,所提算法在三维模型渐进网格简化中局部细节特性保持和效率上得到较好的平衡,能够满足实际应用的需要。     

基于残差和密度网格的簇心自确认聚类算法

为了解决DPC（Clustering by fast search and ?nd of Density Peaks）算法中依赖截断距离、计算复杂度大和需要人工选取簇心的问题，提出了基于残差和密度网格的簇心自确认聚类算法。将数据对象映射到网格上，用网格对象作为聚类对象，删除不含任何信息的网格对象；用特定方式计算网格对象的密度值和距离值；接着通过残差分析确定含有簇心的网格对象；用与非边缘点的距离和自变动的阈值来处理网格边缘点和噪声点。仿真实验表明所提出的算法与一些其他聚类算法对比，有着较高的聚类精度和较低的时间复杂度。     

一种基于密度和网格的簇心可确定聚类算法

以网格化数据集来减少聚类过程中的计算复杂度,提出一种基于密度和网格的簇心可确定聚类算法.首先网格化数据集空间,以落在单位网格对象里的数据点数表示该网格对象的密度值,以该网格到更高密度网格对象的最近距离作为该网格的距离值;然后根据簇心网格对象同时拥有较高的密度和较大的距离值的特征,确定簇心网格对象,再通过一种基于密度的划分方式完成聚类;最后,在多个数据集上对所提出算法与一些现有聚类算法进行聚类准确性与执行时间的对比实验,验证了所提出算法具有较高的聚类准确性和较快的执行速度.     

散乱点云的三角网格重构

基于增量扩散法的思想,提出并实现了一个散乱点云的三角网格重构算法,算法首先利用体素网格的散列表对散乱点进行组织,然后在确定了初始种子三角形的基础上,基于活动边扩展规则构造新的三角形,使网格不断向周围扩展直到活动边表空为止,最后算法合并棱边并计算每个三角形的顶点法矢,最终构造出散乱点云的三角网格。     

基于灰度分布的图像三角网格化算法

借助于小波图像分解,提出一种基于图像内容的三角网格表示方法——基于双向模板的图像三角网格化算法.算法考虑图像的灰度分布,利用小波的图像分解能够将图像的各个方向的细节表现出来这一特性,给出符合原始图像灰度分布的三角划分,再对图像的三角划分进行三角网格化,最后获取整幅图像的网格划分.为了得到更好的重建图像质量,对该初始网格进行了细分,并针对三角网格规模的减小做出优化算法.同时提出一种记录模板号和细分点的数据存储结构,用二进制数据流来存储三角网格.通过实验数据对比,该算法能够很好的表示图像,在三角网格规模以及重建图像质量上较其它算法都有一定的优势,是一种极其有效的图像表示方法.     

四边形网格间接生成方法

研究了基于背景三角网格的四边形网格间接生成算法,并针对三角形合并过程中容易残留三角形的缺陷提出了确定侧边的详细算法,该算法主要是依据背景三角网格中边的位置和前沿边的情形,通过背景三角网格中已存在的边、边交换或边分割确定侧边,以避免在三角形合并过程中残留三角形单元。最后给出实例验证了算法的有效性。     

一种基于三维Delaunay三角化的曲面重建算法

提出一种基于三维Delaunay三角化的区域增长式曲面重建方法。该方法以空间点云的Delaunay三角化为基础,结合局部区域增长的曲面构造,较以往方法具有人为参与更少、适用范围更广的优点。算法采用增量式插入点的方式构建空间Delaunay划分,采用广度优先算法,以外接圆最小为准则从Delaunay三角化得到的四面体中抽取出合适的三角片构成曲面。该算法的设计无须计算原始点集的法矢,且孔洞系数对重建的结果影响很小,重建出的三角网格面更符合原始曲面的几何特征。无论待建曲面是否是封闭曲面,本算法均可获得较好的重建效果。     

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     

结合边折叠和局部优化的网格简化算法

针对目前网格简化算法在将三维模型简化到较低分辨率时,网格模型的细节特征丢失、网格质量不佳的问题,提出一种保持特征的高质量网格简化算法。引入顶点近似曲率的概念,并将其与边折叠的误差矩阵结合,使得简化模型的细节特征在最大限度上得到保持。同时分析简化后三角网格的质量,对三角网格作局部优化处理,减少狭长三角形的数量,提高简化模型的网格质量。使用Apple模型和Horse模型进行实验,并与一种经典的基于边折叠的网格简化算法以及其改进算法之一进行对比。实验结果显示,两种对比算法三角网格分布过于均匀,局部细节模糊不清,而所提算法的三角网格在曲率大的区域稠密,在平坦处稀疏,细节特征清晰可辨;简化模型的几何误差的数量值与两种对比算法处于同一数量级;所提算法的简化网格的平均质量远高于两种对比算法。实验结果表明,在不扩大几何误差的情况下,所提算法不仅具有较强的细节特征保持能力,而且简化模型的网格质量较高,视觉效果较好。     

三角网格特征边识别的一种有效方法

三角网格特征边识别在数字几何处理和计算机辅助制造(CAM)的模具加工中都有 着广泛的应用,该文指出了近年来有关网格特征边识别算法的各种弊端及原因,给出了一种鲁 棒的网格特征边识别新算法。该算法以网格特征点的识别为基础,能够识别以往算法常遗漏的 一些二面法向夹角比较小的网格边,增强了对C1 不连续网格边的识别能力。众多数值例子支 持了这个结论。     

自适应三角网格模型重新布点算法的研究

在对任意拓扑三角网格模型进行自动三边界区域划分的基础上，提出一种适应的三角网格模型重新布点算法，该算法首先根据三边界区域划分的结果，构造初始网格模型具有最低分辨率的基础网格模型，然后利用协调映射技术，对网格模型进行重新采样，从而不断对基础网格模型进行细化，算法的特点是可以根据不同的精度自动在曲面的大曲率处重新采样得到较多的点，而在曲面的小曲率处则重新采样得到较少的点，该算法可以用于三角网模型的自适应简化和优化，文中的应用实例表明，该算法可以保证在满足指定精度要求的条件下，得到更合理的三角网格模型，取得理想的效果。     

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。     

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 .