基于改进Catmull-Clark细分算法的曲面优化

为解决细分过程中曲面网格增长速度过快的问题,以二面角准则为自适应细分准则,提出一种基于顶点平坦度的Catmull-Clark自适应细分算法。该算法通过计算顶点1-邻域内所有面之间的法向夹角,定义顶点平坦度作为阈值来判断网格面是否需要进一步细分。以发动机零件为例,应用Catmull-Clark基本算法和自适应算法对网格曲面细分展开对比分析。实验结果显示,通过调节细分阈值的大小,自适应算法能减少细分过程中产生的网格数量,有效降低网格增长速度,减少内存占有空间和网格细分时间,细分算法效率得到明显提高。     

基于优化顶点弹簧模型的半沉浸环境标定算法

为了实现投影设备在半沉浸式投影环境的自适应投影显示,提出基于优化顶点弹簧模型的自适应快速标定算法.该算法基于优化的顶点弹簧模型对二次曲面投影可视化环境进行三维网格获取,使用基于OpenGL的Tessellation曲面细分算法对网格进行网格细分计算,对预投影图像进行基于图形处理器(GPU)加速的校正计算和高质量纹理渲染,实现半沉浸式球幕投影可视化环境的快速自适应标定计算.算法验证和实验结果表明,与现有的非均匀二次曲面校正方法相比,提出的算法全面考虑了非均匀球面的局部形状信息,使用优化的顶点弹簧模型算法自适应生成高精度网格,应用GPU加速方法实现了算法加速,在图像渲染精度和速度两方面得到了显著提升.     

基于GPU的曲面自适应细分

为了充分利用图形处理器(GPU)的强大计算力和并行处理能力,并有效克服CPU/GPU间数据传输的瓶颈,提出了一种新的基于GPU的曲面自适应细分算法.通过采用细分模板(SP),在GPU的顶点处理器上将从CPU上传送来的控制网格进行求值细分.给出了自适应细分层次的判定,以及通过带裙边的SP来解决可能出现的裂缝问题.将该方法用于Catmull-Clark细分曲面和Loop细分曲面的求值显示,并推广应用到其他类型细分,和GPU上的其他着色器组合使用,对硬件要求很低,只需要能够支持顶点着色器的显卡.与CPU求值渲染、基于片段处理器求值渲染方法运行效率的对比分析,证明了该方法的高效性.     

一种基于网格简化的细分曲面生成算法

该文基于细分曲面的极限点计算方法,提出了一种采用二次误差边折叠技术生成细分曲面控制网格的改进算法,用细分极限点代替两次细分点,并增加一个存储细分极限点的顶点信息结构.实验结果表明,该算法在没有增加计算量的基础上,可以有效地提高细分曲面的质量,并适合处理复杂的几何模型.     

基于三维网格模型的鲁棒数字水印算法

提出一种三维网格模型的鲁棒数字水印算法,利用三维网格模型顶点到模型中心的距离所构成的矩阵为顶点模值矩阵,并用二维信号处理的方法嵌入水印,然后通过一系列的嵌入过程的逆处理操作重构含有水印的三维信号.实验结果表明了本算法具有良好的可操作性与鲁棒性.     

基于特征多边形的逆向Doo-Sabin细分

逆向细分是将细分后的网格重建回细分前的网格的过程.针对大部分细分后的网格是四边形网格与其它的三角形或多边形网格的混合结构,根据细分继承性特点,提出了基于特征多边形的逆向Doo-Sabin细分算法.通过实验证明该算法有效可行,可将Doo-Sabin细分后的混合结构网格准确重建回细分前的初始网格.     

基于三维T样条的异质材料实体建模与切片

为了实现异质材料实体模型应用于增材制造技术的可能性，开发通用的、可同时用于设计、分析和制造异质材料实体模型的建模与制造工艺. 提出基于三维T样条的异质材料实体重建方法，实施自适应细分得到三维T型控制网格. 通过最小化能量泛函逐步拟合四面体网格模型及异质材料属性，使得几何结构和材料分布均得到较高的拟合精度. 为了提高重建过程的计算效率，只对局部误差较大的区域进行自适应细分，在参数域内插入控制点. 采用自适应细分的三维T样条与均匀细分的三维NURBS，分别实施渐进式重建框架. 结果表明，三维T样条能够在达到相似甚至更优的拟合精度的前提下减少冗余控制点. 针对增材制造中的切片工艺，利用适用于异质材料实体模型的直接切片方法，结合三维T样条和基于八叉树结构的自适应细分过程，得到三角网格分层切片结果. 实验结果表明，该算法对异质材料实体模型的直接切片过程是有效和可靠的.     

DirectX3D中的雾化效果及其实现

研究了使用D3D实现各种类型的雾化和相应的公式,包括雾化参数、雾化混合、雾化颜色、顶点雾化和像素雾化的过程,通过对各种雾化计算模型的定义,使用C＋＋语言给出了应用程序中顶点雾化的完整实现过程.论文最终推得结论：（1）D3D中使用顶点渲染时首先必须使用顶点雾化;（2）在基于发散的雾化中,对从视点到顶点的有效距离进行雾化计算时,D3D会随着两点间距离的增大而增加雾化效果,而并非是增加场景中顶点的深度.     

双调节因子的渐进插值Loop细分方法

针对逼近型Loop细分方法产生的极限曲面易凹陷收缩等问题,本文提出了双调节因子的渐进插值Loop细分方法。该方法分别在两步Loop细分方法、渐进迭代过程中引入不同的调节因子,使生成的极限曲面插值于初始控制网格的全部顶点,同时又具有收敛性、局部性和全局性,不仅可以灵活地对极限曲面的形状进行控制,而且一定程度上扩大了形状的可控范围。从数值实验可以看出,该方法通过改变双调节因子的值,可以较好地保留初始三角网格的特征,且生成的极限曲面收缩程度较小,是可行有效的。     

基于最小均方差下的3D模型数字水印算法

使得三维模型变换带来的误差能量,最小影射到嵌入水印上.为使嵌入的水印对于三维模型的拓扑变换和几何变换都具有鲁棒性,提出一种基于最小均方差的3D几何模型算法,算法首先通过对三维网格顶点排序和挑选,排序和挑选的原则是使得被挑选的顶点具有最小的边距和,即通过对3D模型网格顶点优化选择,使得选择后的顶点受到拓扑攻击影响最小;然后,计算选择后顶点扰动均方误差能量,将水印嵌入到受误差能量影响最小的空间,使得嵌入的水印受到几何攻击影响最小.实验结果表明,算法对几何攻击和拓扑攻击具有好的抵御能力.     

有限元法的收敛性条件及误差公式

基于变分法中的可动边界变分理论,建立了有关非协调元与细分网格的有限元最佳剖分变分原理。由此原理可以求得有限元法的收敛条件和在元素交界处的误差计算公式。根据误差计算公式,可建立更有成效的自适应有限元法与边界元法的程序系统。     

参数B样条曲线的非均匀离散细分算法

利用差商算子给出一种参数B样条曲线的非均匀离散细分算法。为了便于工程实际应用，在算法中分别考虑了B样条的均匀细分算法和非均匀细分算法，并将其应用在自由型曲线生成和函数逼近上，通过计算比较表明，B样条的非均匀离散细分算法在某些方面比均匀离散细分算法有更好的效果。     

一种最大化传感网络覆盖率的移动辅助部署算法

研究了使用移动传感器提高传感网络覆盖率的问题,提出了一个基于二部图匹配的移动传感器部署算法．设目标区域可以划分成多个小区域或网格,首先把初始网络描述成一个二部图G,G的顶点集合由移动节点集合和需要覆盖的网格集合组成．如果某个移动节点可以覆盖某个网格,则它们之间存在一条边．衡量移动的花费可以使用移动的距离、消耗的能量或者跳跃的次数等．对构造的二部图G求它的最小花费的最大匹配基,则该匹配基对应着一个最优的移动方案,按此方案部署的网络覆盖率最大且总的移动花费最小．     

一种参数曲面求交方法

本文综合网格逼近法和追踪法各自的优点，提出一种混合求交算法。通过理论分析，给出运用实例以及实施的数据结构，该算法能满足稳定性好、精度高、能保证拓扑一致性、效率高等要求。     

一种基于网格查询的改进DBSCAN算法

针对DBSCAN算法聚类时时间复杂度较高、当边界点同时属于多个类时其聚类准确率较低的问题,在网格查询思想和OPTICS算法的基础上,提出一种改进的DBSCAN算法(GO-DBSCAN算法)。进行聚类操作前,为降低聚类的时间复杂度,先基于网格查询的思想将数据集划分成不同的网格,在进行项目邻域查询时,只须遍历项目附近网格数据而不必遍历整个数据集; 在进行项目聚类时,主要考虑该项目与其附近核心项目的最小可达距离,因此,将OPTICS算法中的最小可达距离引入到DBSCAN算法中,以提高算法对边界点处理的准确度。仿真实验结果表明,GO-DBSCAN在边界点处理的准确率和运行效率方面较DBSCAN都有所提高。     

交互式虚拟内窥镜系统

研究了交互式虚拟内窥镜系统的组成框架及其中的关键技术 .针对系统导航部分 ,设计了一种基于距离映射获取漫游路径的算法 ,并提出了相应的路径平滑技术 .在系统绘制部分 ,为了获得更光滑的器官表面显示效果 ,给出了网格顶点法向量计算的新方法     

一种快速散乱点自适应滤波方法

消除噪声是构造完美三维模型过程中必不可少的一步。梁新合提出基于自适应最优邻域的散乱点云降噪算法。但该算法效率较低,为此提出用准柯西函数取代该算法所采用的高斯函数,提高了算法效率。实验结果表明,本文算法能在有效剔除点模型表面噪声的同时较好地保持表面的尖锐特征。     

一种异构组网雷达系统抗欺骗式假目标方法

同构体系下组网雷达配置方式简单,抗欺骗式假目标算法单一。该文提出一种异构组网雷达系统抗欺骗式假目标方法,对于既包含两坐标雷达又包含三坐标雷达的异构组网雷达系统,首先利用三坐标雷达对目标进行定位,计算目标相对于两坐标雷达的距离、方位角信息。然后,将该计算值与两坐标雷达对目标的量测值进行比较,通过构造卡方检验对真假目标进行有效鉴别。仿真结果表明,该算法可以有效地鉴别欺骗式假目标,并分析了欺骗距离、目标量测个数和雷达测角精度对算法鉴别概率的影响。     

细分方法中对显著扭曲面片的校正处理

细分方法是一种从离散控制顶点集合生成曲线曲面的有效方法.经典细分方法如Doo-Sabin细分方法,Catmull细分方法,Loop细分方法等都具有便捷高效的优点而被广泛使用.这些方法对比较规则的初始网格能给出很好的细分结果,但在处理一些含有显著扭曲面片的不规则网格时得到的往往不是期望的结果.本文针对网格含有显著扭曲面片的情况,提出了一种保形性较好的面片扭曲校正方法,使得经典Doo-Sabin细分方法在处理网格中的显著扭曲面片时能够得到很好的结果.     

Noise filtering and subdivision precision analysis of Moiréfringe

The subdivision precision of MoiréFringe is restricted by its quality. In this paper, the adaptive filtering algorithm based on the neural network is used to restrain noise of MoiréFringe.The nonlinear mapping fuction is achieved by using the neural network layer. The step size of the algorithm can be adjusted dynamicly according to the signal’s frequency to meet the filtering request of the signal with a diversified frequency and make the algorithm self-adaptive.On subdividing filtered circle grating MoiréFringe signals by means of the tangent method by 512 times, it is shown that the distinguishment is 0.618″, that the maximal cumulate error is 1.236″, and that the signal quality and the subdivision precision are greatly improved.Because of its wide bandwidth and restraint of linear and nonlinear noises, the algorithm is better than general filtering way and can satisfy the preparation for the subdivision of MoiréFringe.