一般多边形网格模型的几何压缩方法

使用Face Fixer方法对由一般多边形网格构成的三维模型拓扑信息进行了压缩，采用3阶自适应算术编码进一步提高压缩比，通过把顶点位置坐标变换到局部坐标系中，结合量化、平行四边形顶点坐标预测以及算术编码来实现三维网格模型几何信息的压缩，在几何模型质量基本没有损失的情况下，获得了很好的压缩性能。     

一般多边形网格的几何压缩

提出一个通用的一般多边形网格的几何压缩算法，针对目前三维拓扑压缩算法大都仅适用于三角网格的现状，在巳有算法的基础上，进行了有效的推广，使得对于包含任意边数多边形的网格都可以进行有效的压缩编码；另外，根据多边形网格任一多边形中的各个顶点共面的特性，提出一种顶点坐标压缩方案，该方案与上述拓扑压缩算法有机结合可以显著地减少一般多边形网格数据在网上传输所需的带宽；最后，对编码过程产生的输出流进行流程编码与算术编码相结合的混合压缩编码，从而进一步提高压缩比。     

增量几何压缩

提出了一个几何压缩算法,用以节省三角网格模型存储和传输时间.它首先递归地以区域扩张方式将模型分解为一系列的层结构,利用层间的连贯性以及对层结构的有效编码,实现了高效的拓扑压缩.同时,还设计了一个有效的非线性预测器来实现几何位置的压缩.与以前的算法相比,它具有线性复杂度、压缩比高、执行速度快的特点.实验结果表明,存储一个三角形的拓扑信息平均只需1.42比特.     

熵编码局部坐标分级跳跃渐进式3D网格压缩

为进一步提高三维网格压缩算法性能,在高斯混合概率模型(GHPM)基础上,提出基于贝叶斯熵编码的局部坐标分级跳跃渐进式3D网格压缩算法。采用GHPM模型实现三维网格压缩过程的顶点创建、边沿触发器设计、面方向预测以及分级跳跃分割,实现对给定顶点的后验概率几何拓扑符号估计。基于后验概率的算术编码器进行拓扑符号编码,采用不同情景进行设计,提出渐进式的标签预测过程,实现已编码组信息的充分利用,并采用局部坐标系,有效压缩几何残差。通过与对比编码器实验验证,所提算法相对于AD,wavemesh,AAD以及RDO编码器,具有更高的压缩比和压缩精度,计算性能更好。     

一种新的三维模型水印频域算法

从提高三维模型数字水印的鲁棒性和效率出发．提出一种新的频域水印算法。该算法利用网格拓扑结构．构建出目标顶点所处的局部几何空间．进而提取出适用于DCT变换的信息序列,修改频域系数嵌入水印：然后通过逆向DCT转回空域信号,修改目标顶点在局部几何空间中的位置得到含水印模型。算法实现简单．水印检测无需预处理．且能有效抵抗平移、旋转、缩放、剪切、网格简化等攻击。实验结果表明,该算法具有很好的鲁棒性、水印的不可感知性、水印检测高效准确的优势。     

用于成对PPI网络比对的分治与整合算法

生物网络比对是分析不同生物间进化关系的重要手段,它可以揭示不同物种间的保守功能并为物种间的注释转移提供重要信息。网络比对与子图同构类似,是一个NP-hard问题。本文提出了一种新的分治与整合策略的生物网络比对算法。首先进行模块划分,并根据已有的比对信息计算模块相似性;然后根据模块间结点的子比对获取候选结果集,最终通过超图匹配获得比对结果。使用已有的比对信息的集体行为预估模块间的相似性,大大提高了模块匹配的效率。基于路径和结点的得分函数保证了模块内结点的相似性。对于不同网络间结点的相似性,分别从结点自身和结点间的差异进行相似性判断。与现有算法相比,本文算法在生物和拓扑指标上均表现最佳。     

虚拟环境中多细节层次模型自动生成算法

虚拟环境是限时计算和限时图形绘制技术的典型应用．本文对用于限时图形绘制的多细节层次模型表示进行研究，提出了基于三角形网格简化的多细节层次模型自动生成算法．该算法多次遍历现有三角形网格模型的每一个顶点，使用局部几何和拓扑特征移去满足简化标准的顶点，对移去顶点后产生的多边形区域进行局部三角化．多次执行上述过程，结果形成不同细节层次的三角形网格模型．文中给出的实例说明了该算法的有效性．     

基于形态图表示的三维物体识别算法

基于形态图表示的三维物体识别的基本思路是：首先建立待识别物体的模型库，找出模型集中所有模型物体的形态图和特征视图，并提取以它们的拓扑结构信息和几何信息；其次对物体真实图像作轮廓提取和0边界跟踪，得到二维图像的线架图，同时提取出它的拓扑结构信息和几何信息；最后将物体图像的拓扑结构信息和几何信息与模型库中模型物体的拓扑结构信息和几何信息匹配，从而达到识别的目的。文中提出了在生成线图链码时提取其拓扑结构信息和几何信息的方法，由拓扑结构信息和几何信息构造特征矩阵的方法，以及识别过程中特征矩阵的匹配算法。     

基于分层切片原理的三维雕刻算法

分析了多种基于STL模型的快速分层算法。在综合多种算法优点的基础上,首先提出了对三角面片的顶点按其切片方向进行从小到大排序,以快速滤除冗余顶点;并在此基础上建立三角面片的顶点链表及面向量,以实现STL模型的拓扑信息重构;最后基于所重构的拓扑信息,结合几何连续性分层算法实现高效的自适应分层算法。并通过C+〖KG-*3〗+实现了这一算法,证明了快速成型技术的分层制造思想可应用于三维雕刻的CAD/CAM,在技术上是可行的。     

基于STL文件的Laplacian网格优化算法

针对三角网格模型优化算法对模型几何细节描述不够精确的问题,提出一种基于Laplacian坐标的网格模型全局优化算法。模型几何细节描述方面,采用网格顶点Laplacian坐标。网拓扑结构不变的前提下,可精确描述网格曲面局部几何特性。顶点重新定位方面,采用在最小二乘意义下求解由权重控制的包含顶点位置,以及Laplacian坐标双重约束的线性系统最优解的方法。实验结果表明,该算法在优化提高模型三角面片质量的同时,可较好地保留原始模型的几何细节。     

几何数据压缩的一种新算法

本文提出一种几何数据压缩的新算法,其基本思想是在已知物体网格边界的条件下,首先寻找边界的凹点,然后建立网格结点的特殊树结构,即横切面树,并将横切面树中相邻节点内网格结点之间的关系表示为链表（三角形条带）,按契约数结构及链表（三角形条带）编码、存储帮传输网格结点的连接关系,这种算法不同于Gabriel Taubin算法,它具有对顶点坐标、属性坐标及三角形连接关系压缩无损等许多优点。     

基于概率衰减窗口模型的不确定数据流频繁模式挖掘

考虑到不确定数据流的不确定性,设计了一种新的概率频繁模式树PFP-tree和基于该树的概率频繁模式挖掘方法PFP-growth.PFP-growth使用事务性不确定数据流及概率衰减窗口模型,通过计算各概率数据项的期望支持度以发现概率频繁模式,其主要特点有:考虑到窗口内不同时间到达数据项的贡献度不同,采用概率衰减窗口模型计算期望支持度,以提高模式挖掘准确度;设置数据项索引表和事务索引表,以加快频繁模式树检索速度;通过剪枝删除不可能成为频繁模式的结点,以降低模式树的存储及检索开销;对每个结点都设立一个事务概率信息链表,以支持数据项在不同事务中具有不同概率的情形.实验结果表明,PFP-growth在保证挖掘模式准确度的前提下,在处理时间和内存空间等方面都具有较好的性能.     

三维几何数据压缩算法的累计误差消除方法

已有的三维几何数据压缩算法中几何信息普遍采用连续量化和预测编码策略，存在较严重的累计误差，这一误差是由预测点的值在编码前后不一致带来的．针对此问题提出一种解决方案，借助一组具有值不变性的参照平面代替原有算法的预测点，该方案能有效地消除预测编码策略中产生累计误差的上述根源、理论和实验表明：该疗法不仅在相同压缩比和速度下可进一步提高压缩算法精度，而且和多种几何压缩算法兼容．     

Data compression techniques in Wireless Sensor Networks

The advancement in the wireless technologies and digital integrated circuits led to the development of Wireless Sensor Networks (WSN). WSN consists of various sensor nodes and relays capable of computing, sensing, and communicating wirelessly. Nodes in WSNs have very limited resources such as memory, energy and processing capabilities. Many image compression techniques have been proposed to address these limitations; however, most of them are not applicable on sensor nodes due to memory limitation, energy consumption and processing speed. To overcome this problem, we have selected Discrete Cosine Transform (DCT) and Discrete Wavelet Transform (DWT) image compression techniques as they can be implemented on sensor nodes. Both DCT and DWT allow an efficient trade-off between compression ratio and energy consumption. In this paper, both DCT and DWT are analyzed and implemented using TinyOS on TelosB hardware platform. The metrics used for performance evaluation are peak signal-to-noise ratio (PSNR), compression ratio (CR), throughput, end-to-end (ETE) delay and battery lifetime. Moreover, we also evaluated DCT and DWT in a single-hop and in multi-hop networks. Experimental results show that DWT outperforms DCT in terms of PSNR, throughput, ETE delay and battery lifetime. However, DCT provides better compression ratio than DWT. The average media access control layer (MAC) delay for both DCT and DWT is also calculated and experimentally demonstrated.     

Adding lossless video compression to MPEGs

In this correspondence, we propose to add a lossless compression functionality into existing MPEGs by developing a new context tree to drive arithmetic coding for lossless video compression. In comparison with the existing work on context tree design, the proposed algorithm features in 1) prefix sequence matching to locate the statistics model at the internal node nearest to the stopping point, where successful match of context sequence is broken; 2) traversing the context tree along a fixed order of context structure with a maximum number of four motion compensated errors; and 3) context thresholding to quantize the higher end of error values into a single statistics cluster. As a result,the proposed algorithm is able to achieve competitive processing speed, low computational complexity and high compression performances, which bridges the gap between universal statistics modeling and practical compression techniques. Extensive experiments show that the proposed algorithm outperforms JPEG-LS by up to 24% and CALIC by up to 22%, yet the processing time ranges from less than 2 seconds per frame to 6 seconds per frame on a typical PC computing platform.     

引入虚拟节点的无线传感器网络ELM定位算法

基于大部分距离无关算法能以改善锚节点比例提高无线传感器网络定位精度,提出了一种引入虚拟节点的无线传感器网络极限学习机(ELM)定位算法.通过引入的虚拟节点,寻找合适的未知节点升级为次锚节点,以增加锚节点比例,提高了定位精度.将ELM应用于节点定位,有效提高了定位的速度和精度,并因其强大的泛化性能,为无线传感器网络节点定位提供了新的思路.仿真结果表明:引入ELM定位算法和虚拟节点,有效提高了定位精度.     

最优二叉树的逆推调位启发式算法设计

针对构造有个带权叶子结点的最优二叉树提出一种新颖的启发式算法,该算法根据递推算法的逆推原理,利用结点位置的调动产生的权的变化值来决定节点在最优二叉树中的位置。该算法在使二叉树达到最优的运算过程中,完全区别于以往的哈夫曼算法。逆推调位算法步骤简明,速度迅捷,最后以举例的方式说明该算法的实效性。     

基于知识粗糙度的决策树生成方法

决策树是一种重要的数据分类方法,测试属性的选择直接影响到决策树中结点的个数和深度,本文提出了一种基于知识粗糙度的方法。通过比较我们发现：在决策树的构造上,粗集理论中知识粗糙度的方法计算量较小,构造的决策树比经典ID3算法简洁,并且具有较高的分类精度。     

基于知识粗糙度的决策树生成方法

决策树是一种重要的数据分类方法,测试属性的选择直接影响到决策树中结点的个数和深度,本文提出了一种基于知识粗糙度的方法.通过比较我们发现:在决策树的构造上,粗集理论中知识粗糙度的方法计算量较小,构造的决策树比经典ID3算法简洁,并且具有较高的分类精度.     

基于优化策略的混合定位算法

针对无线传感器网络(Wireless sensor network, WSN)的应用需求提出一种基于优化策略的混合节点定位算法. 选择1-hop节点最多的点作为初始点, 利用多维标度(Multi-dimensional scaling, MDS)方法计算初始节点及其1-hop节点的相对坐标, 并将这些节点的坐标发送给周围未定位节点; 未定位的节点根据接收到的坐标与节点间的距离, 利用极大似然法估算自身的坐标; 最后通过坐标变换计算所有节点的绝对坐标. 在此基础上, 进一步提出将本文节点定位算法与集中式和分布式优化策略相结合来优化网络节点的估计坐标, 以提高节点定位精度. 仿真结果表明本文提出的算法是有效的, 能够较好地完成无线传感器网络节点的定位.