构造最优Delaunay三角剖分的拓扑优化方法

最优Delaunay三角剖分(ODT)是生成区域网格剖分的一种优化方法.从数值优化的角度来看,现有的ODT优化方法属于局部方法,对于任意给定初值容易陷入较差的局部极小值点,从而不能产生高质量网格.为此提出一种简单的拓扑优化方法,使得ODT方法能有效地从局部极小值点中跳出,进一步提高网格的质量.该方法只涉及到局部的边翻转操作,实现简单;而且具有显式的目标函数,能在理论上保证算法的收敛性.实验结果表明,文中算法运行速度快,不论是在拓扑连接关系还是在三角形的形状上都显著地提高了ODT方法生成的网格质量.     

非均匀B样条曲面的自适应节点设置方法

针对非均匀B样条的节点设置问题,提出一种利用非均匀B样条曲面拟合离散数据的迭代算法,通过优化节点分布来改进拟合曲面的质量.该算法以带参数化的三角网格曲面为输入,在首次迭代中根据输入曲面的几何特征将其对应的参数域划分成若干个子区域,并使得每个子区域上累积的几何特征信息量近似相等,子区域的重心坐标将取为首次迭代的节点;在随后的迭代中,保证前次迭代生成的重心位置固定不变,并根据前次迭代得到的曲面拟合误差再次将区域划分成累积误差接近相等的子区域,新增加的子区域重心的坐标选为拟加入的节点.文中算法自适应地在曲面形状复杂或拟合误差大的区域引入更多的控制顶点,使得拟合曲面的质量得以逐步改进.实验结果表明,该算法快速有效,在拟合具有明显几何特征的输入数据时具有优势.     

基于容积约束Power图的图像分片逼近

给出一种在容积约束Power图结构上的图像分片多项式逼近方法.将Power图的权重与图像颜色信息相关联,设计了一种带容积约束Power图的顶点位置与权值交替优化的图像逼近算法.该算法运用误差反馈机制以及图像显著性检测等方法生成密度函数图像,并根据原始图像的颜色信息和得到的密度函数图像分两次来指导初始化点集生成,通过构建最终的Power图来逼近目标图像.利用Power图对目标图像进行区域分割,定义了度量逼近误差的带容积约束的优化能量函数,分别计算能量函数关于位置和权重的梯度,将原问题分解为两个子问题分而治之,借助密度函数图像生成的高效初始化点分布,通过不断更新Power图的顶点位置和权值得到相对较优的Power图,最终拟合出逼近图像.实验结果表明,该算法能够较好地逼近彩色图像,并有效保持了图像显著区域的特征.     

结合广义重心坐标与Voronoi剖分的函数分片逼近

结合广义重心坐标理论,提出了一个新方法,以解决在平面区域上的函数逼近问题。该方法通过构建基于广义重心坐标的最优分片函数来逼近目标函数。采用Voronoi图来划分区域,并提出一个度量逼近误差的能量函数。推导出该函数的导数后,采用一种高效的Voronoi节点更新方法来获得区域的最优剖分,并通过最优剖分构建最优分片函数。由于该方法对不连续函数具有良好地逼近能力,因此将其应用在图像逼近问题中。分别在解析函数和彩色图像上对该方法进行实验,均获得了很好的逼近效果。     

各向异性广义重心坐标及其应用EI北大核心CSCD

可在任意多边形上定义的且具有解析表达式的广义重心坐标通常不具有非负性,目前对广义重心坐标各向异性的工作相对较少.针对上述问题,提出了一种可在任意多边形上定义的,且具有非负性和各向异性的广义重心坐标——各向异性坐标.首先,对原始多边形内任意一点,生成该点的可见多边形;其次,基于Power图的相关性质,计算该点关于可见多边形的各向异性坐标;最后,将可见多边形上的各向异性坐标分解到原始多边形上.在图像变形的应用中,各向异性坐标提供了3个几何意义清晰的参数,以供用户直观地调整不同的变形效果;在函数插值的实验中,采用各向异性坐标得到的均方根误差比采用均值坐标时平均降低了44%;在图像逼近的实验中,采用各向异性坐标可有效减少在图像变化剧烈的区域处产生的伪影.