动画柔性可变形物体的弹簧模型研究

连续变形模型通常用控制点网格表示，用这些点间的相互作用模糊弹性属性。该文给出了一个可变形弹簧模型和动画布料的弹力公式，在公式中将布料属性当作外部弹力考虑，可适当适当地设置布料的弹性属性，简单地考虑模型点间的相互作用，较精确地描述布料的行为。     

可变形曲面的有限元模型

基于物理的造型方法是当今曲面造型研究的热点之一，可望成为今后曲面造型的实用工具。有别于他人提出的采用有限差分法将曲面离散化来构造和求解可变形曲面的方法，本文提出用有限元方法构造连续的可变形曲面，同时给出了自由曲面的有限元。该方法使用一种连续的表达来造型自由曲面，并区设计的形状已经网格化而有利于后序的分析与制造。     

基于可变形模型的轮廓提取方法与应用

基于可变形模型的轮廓提取方法是目前研究的热点。从几何表达,图像势能及优化方法三个方面对基于可变形模型的轮廓提取的理论研究及进展进行了综述,并介绍了其在医学图像、脸部特征以及航空影像等方面的应用研究。最后对可变形模型及其在轮廓提取方面的应用进行了总结和展望。     

基于能量优化与非均匀B样条小波的曲面光顺

提出通过非均匀B样条曲面的小波分解以及能量法的结合对曲面光顺的算法。小波分解实现了数据的压缩,提高了算法的效率;同时结合能量法对分解后曲面的细节部分进行边界约束光顺处理。最后用实例验证了算法的有效性。     

基于网格的拉格朗日法可变形模型研究

基于物理的可变形模型一直是计算机图形学与其他相关学科综合研究的重要问题,其主要的模拟技术有非物理方法和物理方法两大类。随着计算机硬件的高速发展和虚拟现实应用需求的不断提高,基于网格的拉格朗日法作为主要的物理方法之一,日益受到众多学者的重视。本文主要从可变形物体的物理建模出发,首先介绍了可变形物体的几种常见的建模方法,着重对基于网格的拉格朗日法中的三种建模方法进行了具体的介绍与比较。     

B样条曲面在严格约束状态下的光顺拟合

提出一种新的B样条曲面造型方法:光顺地拟合空间型值点且同时严格地通过其中部分点.运用Lagrange乘子的条件极值法并引入光顺加权项，求出位置偏离和形状弯曲的最小二乘解，可以得到被称为B样条光顺准拟合的良好造型曲面.这一方法在包含门窗的交通工具外壳曲面设计、机械产品装配联接件制造中具有明显的实用价值.     

散乱分布数据曲面重构的光顺-有限元方法

提出了一种基于散乱分布的数据点重构三维曲面的有限元方法.根据最佳逼近与数据光顺理论建立正定的目标泛函,采用有限元最佳拟合使泛函极小化,求得最优解.通过八节点等参数有限元插值计算,重新构造出三维曲面.这种光顺-有限元方法有效地抑制了输入数据上误差噪声的影响,与有限元拟合方法相比,所需的输入数据点少,重构的曲面逼近精度高、光顺性好.数值实验表明,该方法简单,便于应用.     

基于可变形模型提取肿瘤区域的方法研究

为了减少计算机分析乳腺肿瘤影像的数据量，提高肿瘤病灶计算机辅助探测和辅助诊断的精确度，降低假阳性和假阴性，乳腺肿瘤区域的提取是至关重要的。基于乳腺恶性肿瘤和有些良性乳腺瘤(如纤维性瘤)的边缘模糊不清和凹凸多变的特性，传统的边缘提取算子和阈值法分割乳腺肿瘤区域很困难，该文提出应用基于可变形模型的梯度矢量流的方法提取乳腺X光片肿瘤区域，用基于亥姆霍兹最小能量损耗原理的一种新的外部能量代替传统方法的外部能量，从而解决了传统方法的可变形轮廓线不能收敛于目标边缘凹陷处的问题，并取得了良好的效果，为进行乳腺X光片肿瘤区域的形状特征提取提供了前提。     

B-样条曲线的节点去除与光顺

研究了B-样条曲线节点的去除问题,简化了B-样条曲线内部节点精确去除的充要条件.基于约束优化方法,通过扰动B-样条曲线的控制顶点,给出了节点去除的一个新算法,并用于光顺B-样条曲线.     

局部能量最优法与曲线曲面的光顺

曲线光顺处理的方法主要有选点修改法和优化方法，而Kjellander方法是最常的选点修改法之一，文中提出一种选点修改法－局部能量最优法，该方法在三次均匀参数曲线法顺问题上进一步改进了Kjellander方法，具有更好的光顺效果，对三次B样条曲面给出了一个与此相关的曲面光顺方法。     

基于形变模型由立体序列图象恢复物体的3D形状

结合立体视觉和形变模型提出了一种新的物体3D形状的恢复方法。采用立体视觉方法导出物体表面的3D坐标;利用光流模型估计物体的3D运动,根据此运动移动形变模型,使其对准物体的表面块;由形变模型将由各幅图象得到的离散的3D点融为一起,得到物体的表面形状。实验结果表明该方法能用于形状复杂的物体恢复。     

基于形变模型的3D表面自适应重建

结合形变模型和ＡＣＤ方法提出了基于变形模型的３Ｄ表面自适应重建方法。同时引入了与图象统计特性有关的外力,使得表面重建结果与模型的初始位置无关,利用ＡＣＤ方法使模型自适应地改变其拓扑结构;为了提高表面重建的程度和鲁棒性,提出了多尺度重建算法,该方法适用于形状、结构复杂的物体重建,实验结果证明了该方法的有效性。     

用混合弹性模型解决图象变形匹配问题

由于用传统的刚体匹配方法难以解决待匹配图象之间的结构差异 ,因此需要引入变形模型来进行图象的非刚体匹配 .为此提出了一种利用混合弹性模型 (HEM)来解决图象变形匹配问题的新方法 .该方法不需要预先提取图象的特征 ,而是直接利用匹配图象之间的灰度信息来实现图象之间的匹配 .匹配时 ,首先通过基于主轴的方法来实现两幅图象之间的全局仿射匹配 ;然后利用线性弹簧网模型来求取两幅图象之间的相关性 ,并进一步利用薄板样条模型来实现两幅图象的变形匹配 .该方法在匹配过程中还采取了多分辨率匹配策略 ,合成图象和医学脑图象的实验结果表明 ,该方法是有效的     

Fairing of Parametric Cubic B-spline Curves and Bicubic B-spline Surfaces

ＦａｉｒｉｎｇｏｆＰａｒａｍｅｔｒｉｃＣｕｂｉｃＢｓｐｌｉｎｅＣｕｒｖｅｓａｎｄＢｉｃｕｂｉｃＢｓｐｌｉｎｅＳｕｒｆａｃｅｓＭｕＧｕｏｗａｎｇ，ＺｈｕＸｉｎｘｉｏｎｇ，ＬｅｉＹｉａｎｄＴｕＨｏｕｊｉｅＤｅｐａｒｔｍｅｎｔｏｆＭａｎｕｆａｃｔｕｒｉ...     

3D Curves Reconstruction Based on Deformable Models

We present a new method, based on curve evolution, for the reconstruction of a 3D curve from two different projections. It is based on the minimization of an energy functional. Following the work on geodesic active contours by Caselles et al. (in Int. Conf. on Pattern Recognition, 1996, Vol. 43, pp. 693–737), we then transform the problem of minimizing the functional into a problem of geodesic computation in a Riemann space. The Euler-Lagrange equation of this new functional is derived and its associated PDE is solved using the level set formulation, giving the existence and uniqueness results. We apply the model to the reconstruction of a vessel from a biplane angiography.     

带约束的B 样条曲线曲面延伸技术

论文提出了一种带光滑有序点列约束的B 样条曲线延伸方法。该算法能 够根据约束点列的情况对曲线延伸部分所对应的节点值进行优化,通过插值尽量少的约束 点,使得延伸曲线与约束点列之间的最大距离小于预先给定的误差值,并且延伸曲线与原始 曲线之间自然达到最大阶连续。该方法也同样适用于带曲线约束的B 样条曲面延伸。实例 表明,所提出的算法是可行且有效的。     

Comparative Visualization of Molecular Surfaces Using Deformable Models

The comparison of molecular surface attributes is of interest for computer aided drug design and the analysis of biochemical simulations. Due to the non‐rigid nature of molecular surfaces, partial shape matching is feasible for mapping two surfaces onto each other. We present a novel technique to obtain a mapping relation between two surfaces using a deformable model approach. This relation is used for pair‐wise comparison of local surface attributes (e.g. electrostatic potential). We combine the difference value as well as the comparability as derived from the local matching quality in a 3D molecular visualization by mapping them to color. A 2D matrix shows the global dissimilarity in an overview of different data sets in an ensemble. We apply our visualizations to simulation results provided by collaborators from the field of biochemistry to evaluate the effectiveness of our results.     

Deformable Pedal Curves and Surfaces: Hybrid Geometric Active Models for Shape Recovery

In this paper, we propose significant extensions to the snake pedal model, a powerful geometric shape modeling scheme introduced in (Vemuri and Guo, 1998). The extension allows the model to automatically cope with topological changes and for the first time, introduces the concept of a compact global shape into geometric active models. The ability to characterize global shape of an object using very few parameters facilitates shape learning and recognition. In this new modeling scheme, object shapes are represented using a parameterized function—called the generator—which accounts for the global shape of an object and the pedal curve (surface) of this global shape with respect to a geometric snake to represent any local detail. Traditionally, pedal curves (surfaces) are defined as the loci of the feet of perpendiculars to the tangents of the generator from a fixed point called the pedal point. Local shape control is achieved by introducing a set of pedal points—lying on a snake—for each point on the generator. The model dubbed as a snake pedal allows for interactive manipulation via forces applied to the snake. In this work, we replace the snake by a geometric snake and derive all the necessary mathematics for evolving the geometric snake when the snake pedal is assumed to evolve as a function of its curvature. Automatic topological changes of the model may be achieved by implementing the geometric snake in a level-set framework. We demonstrate the applicability of this modeling scheme via examples of shape recovery from a variety of 2D and 3D image data.