Loop细分小波框架对图形传输与去噪的应用

基于细分小波的多分辨率分析是近年来三维图形处理的重要方法,该方法在图形的压缩,去噪,渐近显示和传输,多分辨率绘制和编辑等领域已有很多研究与应用。最近Maria Charina等人提出了一种新的基于细分小波紧框架的多分辨率分析理论,使得细分小波框架在三维图形处理领域的应用成为值得研究的新课题。在深入学习和研究这种全新的多分辨率分析理论的基础上,详细推导了Loop细分小波紧框架的分解和重构公式,应用这些公式实现了多分辨率曲面的构造并将其应用到三维网格图形的渐进传输和去噪中。通过与M.Bertram的双正交Loop细分小波算法的对比,表明基于Loop细分小波紧框架的多分辨率分析算法具有较好的渐进传输和去噪效果。由于通常的输入网格不具有细分连通性,而基于细分曲面的多分辨率分析算法要求它所处理的网格具有这种连通性,所以还特别提出了一种构造既能逼近输入网格又具有细分连通性的网格的简捷算法。     

一种Loop细分小波的边界处理方法

细分小波近年来发展迅速,在计算机图形显示、渐进网格传输和网格多分辨率编辑等领域获得了广泛的应用。Bertram提出的Loop细分小波是基于提升格式的双正交细分小波的典型范例,它所针对的对象均为网格的内部顶点。目前尚未发现相关文献提及细分小波对于边界的处理。该文在Loop细分小波算法的基础上,给出了一种Loop细分小波边界处理的方法,经验证效果令人满意。     

Loop细分小波对网格模型的多分辨率分析

高分辨率网格模型因其数据量庞大,对其在网络中很难进行实时处理,因此,根据Loop细分模板,将边点作为小波的细节信息构造出了Loop细分小波,用于对网络模型进行多分辨率分析.该方法未涉及曲面几何拓扑关系,因而不受曲面拓扑特征的影响,具有很强的适应性.利用其对三维网格模型进行多分辨率分析,得到的低分辨率模型轮廓逼真,面片数量大幅度减少.由于该方法对细节信息取舍尺度还不能用统一的公式确定下来,因此只适合对模型做一些简单的处理.     

一种面向移动3D图形的几何简化方法

移动3D图形计算是无线网络和图形学高速发展产生的新研究领域.由于无线网络带宽和移动终端设备显示分辨率的限制,需要将3D图形进行分解压缩,依据不同的分辨率进行内容转码.提出了一种基于改进Loop细分的几何模型简化算法.一个稠密的几何网格通过反复操作3个步骤:顶点分裂、奇点预测和重新三角化,生成由稀疏的基网格和一系列偏移量组成的渐进网格.在奇点预测过程中,将改进Loop细分模板作为预测器.由于Loop细分相关联的顶点数目少,提高了几何模型简化和重建的速度.渐进网格易于在无线网络上渐进传输,并可在移动终端上无损重建3D图形.实验表明,算法简单、效率高,适用于移动环境下3D图形的应用.     

形状可调的Loop 细分曲面渐进插值方法

针对Loop 细分无法调整形状与不能插值的问题,提出了一种形状可调的Loop 细分 曲面渐进插值方法。首先给出了一个既能对细分网格顶点统一调整又便于引入权因子实现细分曲 面形状可调的等价Loop 细分模板。其次,通过渐进迭代调整初始控制网格顶点生成新网格,运 用本文的两步Loop 细分方法对新网格进行细分,得到插值于初始控制顶点的形状可调的Loop 细分曲面。最后,证明了该方法的收敛性,并给出实例验证了该方法的有效性。     

Loop型半静态细分方法

在拓展四次三方向Box-样条曲面离散定义的基础上,导出了半静态Loop细分方法,并构造了该细分方法的二邻域细分矩阵.通过对细分矩阵特征值的理论分析,证明了文中方法的细分极限曲面收敛且切平面连续.半静态Loop细分方法的细分矩阵随细分次数规则变化,与传统Loop细分方法相比,该方法具有更大的灵活性和更丰富的造型表现能力.     

一种LOOP曲面细分算法研究

本文研究了曲面造型中的细分曲面造型方法,分析了细分曲面造型的优点。基于多边形网格的细分方法分析了基于三角形网格1-4分裂的Loop细分模式的优点,并实现了基于Loop细分模式的曲面造型。利用Loop细分模式进行两次细分,得到不同网格密度的数据,最后本文给出了细分前后的点数、边数以及面数,并显示了细分前后的点的效果图。     

基于三进制的loop细分方法

提出了一种基于三进制的loop细分算法。该算法主要是借鉴多分辨率分析中三进制双正交对称插值小波的形成原理,将三进制的概念引入到loop细分方法中,然后分析其细分矩阵,从而得到了三进制loop细分算法。实例表明,该算法能用较少的细分次数获得理想光滑的曲面,从而提高了细分的收敛速度。     

改进的Loop细分模式算法

针对Loop细分模式细分后的曲面不可控的缺点,提出利用反求控制点的方法对Loop细分模式进行改进,改进后的算法不仅形成光滑的曲面,同时可以过原始的控制点。实验证明,改进的Loop细分模式算法行之有效,可以广泛应用于曲面的造型设计和三维重建。     

按曲率选取基点的多分辨率表示重构算法

通过曲率引导选取一组基面来完成Eck等提出的任意拓扑三角网格多分辨率表示重构算法中的Voronoi划分．在提高效率的同时,可在相同网格规模下取得更好的重构质量;在重采样过程中以粗网格的Loop细分来指导参数域的细分,减轻了原算法因线性细分而产生的块状分界现象．最后提出一种自适应细分重采样技术,以减少数据冗余．     

Loop细分曲面精确求值新公式

利用控制网格拓扑结构的对称性,通过将奇异点周围1-环和2-环的控制顶点进行离散Fourier变换(DFT)得到分块对角阵,将其进行特征分解及排序之后,再通过离散Fourier逆变换(IDFT)和截断等操作得到细分矩阵的高次幂的表达式,从而得到Loop细分曲面新的精确参数化公式.     

带折痕的Loop细分曲面等距面处理算法

Loop细分曲面不同细分层次的网格面可作为不同加工工序的加工模型.现有等距面生成算法因未考虑折痕和边界的特殊情况,当折痕或边界存在时将会生成与预期结果有较大差别的等距面.给出了折痕等尖锐特征处极限等距位置的计算方法,以及根据尖锐特征点极限位置反求初始网格等距位置的Gauss-Jacobi迭代公式,并证明了其迭代收敛性.采用文中算法得到的等距网格面令人满意.     

基于SoPC的双频激光回馈位移测量系统设计

介绍了一种基于SoPC的双频激光回馈位移测量系统的实现方法。该系统利用双频激光回馈理论和数字细分电路,对两路正交的光回馈信号采用五细分和四细分电路相结合进行细分处理,解决了单偏振光测量位移分辨率不高的问题。实验证明了本系统的可行性,精度达到了0.791 nm,是一种应用很好的位移测量系统。     

OpenGL与VRML在细分几何造型中的应用

细分曲面的生成被广泛应用于计算机图形研究和几何建模应用。本文以Loop细分模式为例，研究了使用OpenGL与VRML在Windows环境下细分曲面的生成。介绍了细分造型技术的原理和OpenGL与VRML文件的结构，并利用它们强大的功能开发出细分曲面造型的系统。     

曲面细分方法及其应用

细分曲面造型技术是一种基于样条可细化性质基础上的以网格细分为特征的离散造型方法,具有表示的任意拓扑性,光滑保证性,计算简单性等传统方法难以比拟的优点.本文介绍了常用几种细分方法的细分规则及其应用.如Loop细分法、蝴蝶改进法、Catmull Clark法和Doo-Sabin法.     

基于二面角逆插值Loop细分的渐进传输方法

随着虚拟现实、增强现实等领域快速发展,渐进传输获得了良好的用户体验。为 了三角网格在移动终端的快速传输和显示,提出了一种基于二面角逆插值 Loop 细分(DRILS)的 渐进传输算法。主要通过对原始三角网格进行基于二面角插值 Loop 细分(DILS)和插值 Loop 细 分(ILS)进行预处理,在局部特征精确保持的同时获得具备细分连通性的精网格。在渐进传输的 过程中通过对该精网格迭代操作 3 个步骤,即奇偶顶点划分、预测偏移量、更新三角网格。由 于采用 DILS 与 ILS 结合获取精网格,在渐进传输的过程中保持了精确的局部特征,同时也加 快了渐进传输的速度。实验对比表明,该算法精确、高效,适应于移动终端设备的显示传输及 存储。     

基于Loop细分格式的几何造型系统

细分曲面的生成被广泛应用于几何建模应用。本文针对Loop细分格式，研究了使用Java3D与VRML在Windows环境下细分曲面的生成，并利用它们强大的功能开发出细分曲面造型的系统．最后给出了一个飞机模型例子。     

基于边光滑度的Loop自适应细分曲面算法

首先研究了传统的Loop细分曲面算法,通过分析发现随着细分次数的增多细分算法中三角形网格片数增长过快。针对这一问题提出一种自适应细分曲面算法。算法根据相邻两个三角形面上的法向量的夹角,判断细分网格中较为光滑和非光滑的区域。实验结果表明,算法提高了数据处理速度,并且模型简单易实现。     

曲面细分方法及其应用

细分曲面造型技术是一种基于样条可细化性质基础上的以网格细分为特征的离散造型方法,具有表示的任意拓扑性,光滑保证性,计算简单性等传统方法难以比拟的优点。本文介绍了常用几种细分方法的细分规则及其应用。如Loop细分法、蝴蝶改进法、Cat-mull Clark法和Doo-Sabin法。     

面向三角网格的自适应细分

细分曲面存在的一个问题是随着细分次数的增多,网格的面片数迅速增长,巨大的数据量使得细分后的模难以进行其它处理。针对这个问题,该文利用控制点的局部信息提出了一种基于Loop模式的自适应细分算法,利用该算法可避免在相对光滑处再细分,与正常细分相比,既大大减少了数据量,提高了模型的处理速度,又达到了对模型进行细分的目的。