基于流线的重新网格化及多分辨率表示

提出基于场的重新三角网格化和多分辨率表示生成算法.首先,在原三角网格模型上建立拉普拉斯标量场,据此生成两组夹角为60(的流线.然后,从这两组流线构造以菱形面为主的网格并三角化得到三角基网格.最后,在基网格的基础上,再次使用流线技术对原始数据进行向上重采样,得到模型的多分辨率表示.一般地,基网格的三角形接近等边三角形,实验也表明该方法能够得到较高质量的结果.     

基于Hamiltonian三角剖分的三角网格多分辨率表示

三角网格模型的多分辨率表示是几何模型绘制与传输的基础,本文通过三角形之间的拓扑相邻关系将三角网格划分为广义三角形带的集合,然后利用Hamiltonian三角剖分的性质构造三角网格的多分辨率表示。该方法统一了单分辨率网格和多分辨率网格的表示方法,当模型有c个不同分辨率表示时,其编码效率为（logc＋5）bit／vertex。     

大型网格模型简化和多分辨率技术综述

网格简化和多分辨率绘制是2种对于提高绘制性能非常有效的技术,但对于大型网格模型,这2种技术的设计和实现本身也存在诸多难点.文中综述了大型网格模型简化和多分辨率技术的研究进展,首先分析和比较基于网格分割、基于外存数据结构和基于流式策略的大型网格模型简化方法,然后介绍和比较大型网格模型多分辨率表示的设计、构建和绘制技术.最后总结并展望了该研究领域的发展趋势.     

基于稀疏表示的图像超分辨率重构算法

为提高单幅图像的分辨率,提出一种基于稀疏表示的图像超分辨率重构方法。该方法的核心是联合训练高分辨率和低分辨率字典,然后利用所得字典求解高、低分辨率下图像块共有的稀疏表示系数。与已有的基于稀疏表示的图像超分辨重构算法相比,该算法在求解稀疏表示系数时并未采用拉格朗日乘子将稀疏度和重构误差相结合,而是利用对偶模型求解原始的带约束优化问题。实验表明,与其他图像超分辨率重构方法相比,该方法所需手动调节参数较少,重构效果较好。     

基于外存八叉树的大模型多分辨率并行构建

随着3维扫描、计算机辅助设计和科学仿真等技术的发展,包含上千万甚至数十亿几何图元的3维网格模型变得十分普遍,如何实现这些模型的交互式绘制成为日益迫切需要解决的难题。外存多分辨率技术作为提高大模型绘制性能最有效的方法之一,成为近几年计算机图形学领域的研究热点。然而大型3维网格模型多分辨率表示的构建通常需要很长的预处理时间,这非常不利于系统调试和下游应用。针对基于外存八叉树的大模型多分辨率表示的构建,提出了基于子树的任务分割策略和基于基准测试的动态构建任务管理机制,实现大模型多分辨率表示的并行构建和负载平衡,有效地提高了大模型多分辨率表示的构建速度。     

利用Voronoi图构建多分辨率TIN

为了满足大区域地形环境的实时高速绘制要求,对多分辨率不规则三角网(TriangulatedIrregular Networks,TIN)进行了研究.首先利用Voronoi图和Delaunay三角网构建了能充分反映地形地貌特征的多分辨率TIN,然后将多分辨率TIN进行了合并,统一管理,动态调用.试验结果表明,该方法构建的多分辨率TIN实时绘制地形场景时的质量和速度都很好,可以较好地应用于大规模地形场景漫游中.     

准均匀B样条曲面的多分辨率表示及应用

在多分辨率曲线和曲面造型中，B样条小波已经得到了广泛应用。曲线和曲面的多分辨率造型成为一个研究热点。通过阐述准均匀B样条曲线曲面的基于小波分解的多分辨率表示的数学原理，给出了具体的曲线和曲面小波分解算法和实验结果，说明了准均匀B样条曲面多分辨表示的优点及其在工业上的应用。     

基于B样条多分辨率表示的一种数字水印方法

本文根据B样条多分辨率表示的特点提出了一种盲数字水印方法,把原图像做二次小波分解,在低频子图像上用Harris特征点检测算法选取特征点,在以特征点为圆心的同心圆上选点的灰度值作为控制顶点建立B样条曲线,对B样条曲线做多分辨率分解,在低分辨率系数中嵌入水印。由于小波分解后选特征点以及Harris特征点具有几何变换不变性,试验表明该方法对JPEG压缩、缩放、旋转、平移、剪切、滤波等具有较强的抵抗力。     

基于重要点的多分辨率检索法的时间序列表示

时间序列的表示是时序数据挖掘的一个重要问题.重要点的分段表示法(IP)是目前应用最为广泛的时间序列特征提取方法之一,具有较好的数据压缩和去除噪声能力,但参数的选择对时间序列的近似效果有很大的影响而且难以找到重要的转折点.基于多分辨率的重要点检索分段方法(MIP)也是一种时间序列特征提取方法,该方法能很好地近似时间序列,但检索次数难以确定且运行效率比较低.为了改进以上两种方法的缺陷,提出了一种新的基于重要点的多分辨率检索表示法(MRIP).实验结果表明,与基于重要点分段方法相比,该方法误差更小,具有很好的压缩率,并能去除噪音干扰;与基于多分辨率的重要点检索分段方法相比,能较好地确定检索次数的范围,在近似效果相当的情况下,运算效率更高.     

基于小波的B样条曲线多分辨表示及编辑

多分辨表示方法为曲线提供了更为灵活的表达方式,使得我们可以在不同分辨率下对曲线进行编辑,小波技术是实现曲线多分辨表示的一种新颖方法,已有许多论文从理论上论述了这项技术,文中从几何概念出发,由浅入深地论述了基于小波的准均匀三次B样条曲线多分辨表示的原理及其实现,并通过实例描述了B样条曲线的多分辨编辑。     

Multiresolution representation for curves based on ternary subdivision schemes

Subdivision offers a way to increase the resolution of models, while reverse subdivision possesses the opposite ability. Combining the two theories could realize the multiresolution (MR) representation of models. Based on two ternary subdivision schemes, we present the trial and refined filters and an algorithm to realize MR representation for curves, which has some difference compared with the work relating to binary schemes. And the filters yield biorthogonal wavelet systems which are the underlying theory fundament of curves MR. By experiments and numerical calculations, we demonstrate that by using the ternary methods one can accomplish the MR representation for curves and the low-resolution results obtained by reverse subdivision can approximate the original curves well. Besides, ternary methods need smaller number of decomposition times than binary methods to get low-resolution results at similar levels of resolution for the same original curve.     

基于小波多尺度分析的彩色图像检索方法

多媒体技术的普及和Internet技术的实施导致了大量图像信息的出现，基于文本关键词的传统检索方法已不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。基于内容检索技术中必不可少的关键步骤就是图像特征的提取，其中可提取的特征有颜色、纹理和形状等。但是，由于图像的每种特征只能抓住图像相似性的某一个方面，因此如何能更好地表示图像就成为基于内容图像检索中一个重要的研究方向。针对该问题，提出了一种基于图像颜色和纹理特征的图像检索方法，其中颜色特征采用HSV颜色空间的直方图，纹理特征采用图像小波多尺度表示方法中细节信息的方差统计量，这样就充分利用了颜色的丰富表现性和小波变换的多分辨性及其变换系数的统计特性。通过对不同类型图像使用不同特征组合进行图像检索查准率的对比实验结果表明，这种图像检索方法是行之有效的。     

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。     

A Temporal Knowledge Representation Approach Based on Elementary Calculus

The standard AI method for representing temporal information in a first‐order logic is to directly associate the information with a time point or interval via a relation. We present a new paradigm for temporal knowledge representation. All point‐based temporal information is translated to real‐valued functions in the Cartesian plane. For example, information that is true/false at a point becomes a 0–1 function. Other types of information, such as velocity, are directly represented with real‐valued functions. The unique feature of the proposed approach is the use of the Riemann integral to represent interval‐based information. Our approach is based on the fact that what is true at every point in an interval completely determines what is true over the interval. We conclude with a formal presentation of a first‐order logic that is based on the proposed representation.