一种边折叠三角网格简化算法

针对目前自动网格简化算法在大规模简化时往往丢失模型重要几何特征的问题,该文提出了一种改进的边折叠三角网格简化算法。在Garland算法基础上引入三角形重要度概念,并加入到误差测度中,使得二次误差测度不仅能够度量距离偏差,而且能够反映模型局部表面几何变化。实验结果表明新的算法在保持二次误差测度快速特点的同时,使得简化模型在较低分辨率下能够保持更多的重要几何特征,有效地降低了视觉失真。     

一种基于八叉剖分的近似曲率的边折叠简化算法*

为了提高三角网格模型简化的速度,满足实时显示的要求,并且有效地克服边折叠简化算法在低分辨率的状态下易丢失模型重要几何特征的问题,提出了一种基于八叉剖分的近似曲率的边折叠简化算法。采用八叉树结构自适应地分割网格模型空间,同时在各个区域中采用近似曲率的边折叠算法并行地进行边折叠操作。实验证明,该算法取得了不错的效果。     

基于尖特征度的边折叠简化算法

目前存在的自动曲面简化算法在低分辨率的状态下往往忽略模型的重要几何特征,如尖角或者曲率大的区域,从而导致视觉上的退化.在Garland简化算法的基础上,引入尖特征度的概念,并将其加入到误差测度中,从而改变了边折叠顺序.简化模型不仅保留了模型的重要几何特征,而且合理分配三角网格,在曲率大的区域稠密,在平坦区域稀疏,简化效果更好.     

基于n边形折叠的网格简化算法

提出在三角网格中利用多个三角形组合及检索n边形(n为正整数)的规则,并提出一种具有相似折叠规律的n边形折叠的网格简化算法,该算法以n边形折叠为基本简化操作,并以二次误差作为误差度量,每次n边形折叠操作可以减少n-1个顶点以及2(n-1)个三角形,n越大达到某一简化目标所需的折叠次数越少,因此简化速度也可能越快.通过选取适当的n值及新顶点位置,新算法可以转化成顶点删除、边折叠及三角形折叠3种已知的几何元素删除算法,因此也可以视做为基于二次误差度量的几何元素删除简化算法的总括算法.最后分别对几种n取值情况列举实验数据,说明该算法的有效性.     

基于特征保持的三角形折叠网格简化算法

针对模型简化过程中出现的特征细节丢失、简化结果过于均匀等问题,文中基于特征保持提出一种改进的三角形折叠网格简化算法。简化前对原始模型中的三角形预分类,简化中以二次误差测度度量简化过程,以三角形狭长度、局部区域面积以及局部区域尖锐度控制三角形简化顺序,对边界三角形和内部三角形采取不同的简化策略,以此保持模型特征和降低算法复杂度。本算法在Visual c＋＋6．0开发环境下,结合OpenGL编程语言实现。实验结果表明,改进算法采用延迟简化特征区域及形状好的三角形的方法,有效地保持了模型原始特征,且简化速度较快。     

基于局部区域面积度量的边折叠简化算法

目前提出的网格简化算法中,边折叠简化方法是一种主要的简化方法,在网格压缩、多细节层次模型生成、递进网格构造中得到了广泛的应用.本文在基于边折叠算法基础上引入局部区域面积度量方法,将其应用到折叠代价计算中,改变边折叠顺序以进行网格简化.实验表明,算法不仅能有效地保留原始网格的模型特征和视觉特征,速度更快而且能够合理地分配三角面片.     

基于PM算法的网格简化改进算法

针对传统网格简化算法在对边界顶点和边界边、累进网格二义性以及网格拓扑关系有效保持等的处理所存在的不足进行了相应的改进,改进的网格简化算法能有效保持网格模型的形体特征,消除累进网格的二义性,提高网格简化质量。针对折叠误差进行排序问题,采用最小堆算法,提高算法的时间效率。实验结果表明,该算法能产生高质量的网格,具有较高的执行效率。     

基于边折叠的网格简化算法研究

在计算机图形学和几何造型中,物体表面常用多边形网格模型来描述.一个复杂的场景可能会包含大量的多边形,不利于存储、传输及绘制.网格简化技术用于处理计算机图形学领域中广泛使用的多边形网格数据,主要应用领域有科学可视化、实时显示和虚拟现实等.文章给出了网格简化方法的分类,研究了基于边折叠的简化算法,对相关技术及其特点进行了介...     

基于二次误差测度的递进网格简化算法

给出一种基于递进网格和二次误差测度的快速简便的算法来简化带属性的网格模型.该算法通过分别建立几何和颜色属性的二次误差测度来计算几何和颜色属性误差,边折叠是根据某种误差测度将候选的边按照折叠代价排序,每次取代价最小的边进行折叠操作.应用实例表明,该算法既能有较好的简化效率,又能保证简化对初始模型在几何和颜色信息方而尽可能的近似.     

基于离散曲率的三角形折叠简化算法

以三角形折叠算法为基础，提出了一种新的基于离散曲率的三角网格简化算法。该算法以网格表面的加权离散曲率为依据，对三角形进行折叠操作，给出了基于离散曲率和球面近似的新顶点的获取方法。实验结果证明了本文算法的有效性。     

基于边收缩的快速网格简化算法

根据Garland的QEM算法提出了一种快速的网格模型简化算法。算法使用顶点权值来表示顶点的重要程度,顶点权值可以将收缩的边所影响的范围控制在较小的区域内;顶点的权值被存储在一个优先权队列中并且利用优先权队列来控制边收缩的顺序,顶点的优先权队列所存储的元素比较少并且易于维护。该算法实现容易、执行速度快。     

一种改进的基于形状特征保持的QEM简化算法

针对二次误差测度（QEM）简化算法对机械、建筑等CAD模型简化时存在的形状特征容易丢失的不足,提出了一种改进算法。该算法在检测出模型表面的分界轮廓曲线后,将各组成边分成四种类型,并按照尽量避免轮廓曲线上的边被折叠的原则,对各类边采用不同简化策略进行简化。实验结果表明,算法在形状特征保持方面具有较好的效果。     

一种改进的基于三角形折叠的网格简化算法

在已有的基于三角形折叠网格简化算法的基础之上，提出了一种改进的算法。对原算法的误差矩阵的计算进行了改进，提出了一种简单的误差控制方法。该改进的简化算法不仅能减少模型中的三角形数目和保持模型拓扑结构，而且实现简单、速度快。     

基于支撑域的网格简化算法

提出一种基于2次误差测度（QEM）的网格简化改进算法。算法首先对折叠边所产生的新顶点定义其在初始网格上的简化支撑域,从而建立新顶点与初始网格之间的联系;然后计算新顶点到支撑域的2次距离误差作为该顶点的全局简化误差,并将原始QEM中的误差作为局部简化误差;最后将两个误差之和作为新的折叠代价目标函数以实现对原有QEM算法的改进。多个模型的简化实验表明,改进算法能较好地保留初始网格的细节特征,并且较为明显地降低简化误差。     

基于顶点度的模型简化算法

针对基于二次误差度量的边收缩算法在计算大度顶点误差度量时计算量大,且收缩该类顶点关联边时易使关键点发生偏移而引起模型变动过大、简化不够准确的问题,提出了基于顶点度的模型简化算法.该算法不但提高了模型的简化质量,而且加快了模型的简化速度.     

三角网格简化过程中属性问题的研究

在计算机视觉、计算机仿真、网络传输中,经常遇到带有颜色、纹理等属性的三角网格模型的简化问题.提出一种基于边折叠和改进二次误差测度的快速简便的算法来简化带属性的网格模型.在Garland算法基础上引入边重要度概念,并加入到误差测度中,使得二次误差测度不仅能够度量距离偏差,而且能够反映模型局部表面几何变化.实验结果表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息.     

一种新的边折叠网格模型简化算法

在边折叠简化方法的基础上,提出一种用体积变化的平方作为误差度量的三角网格简化算法。算法中引入三角形法向约束因子的概念,并把它嵌入到边折叠误差矩阵中;能够自适应地分配简化网格的疏密,保持更多的模型几何特征。实验表明,该算法简化误差低,模型视觉质量高,简化效果较好。     

一种三角形折叠网格模型简化的改进算法

目前提出的网格简化算法中,三角形折叠简化方法是一种主要的简化方法,在网格压缩、多细节层次模型生成、递进网格构造中得到了广泛地应用。提出一种基于三角形折叠的网格模型简化改进算法,在基于三角形折叠的基础上,在计算三角形折叠误差代价时引入局部区域面积度量参数,有效控制简化模型的三角形折叠顺序。实验表明,采用该文算法简化后的模型更逼近原始模型。     

Visual salience guided feature-aware shape simplification

In the area of 3D digital engineering and 3D digital geometry processing, shape simplification is an important task to reduce their requirement of large memory and high time complexity. By incorporating the content-aware visual salience measure of a polygonal mesh into simplification operation, a novel feature-aware shape simplification approach is presented in this paper. Owing to the robust extraction of relief heights on 3D highly detailed meshes, our visual salience measure is defined by a center-surround operator on Gaussian-weighted relief heights in a scale-dependent manner. Guided by our visual salience map, the feature-aware shape simplification algorithm can be performed by weighting the high-dimensional feature space quadric error metric of vertex pair contractions with the weight map derived from our visual salience map. The weighted quadric error metric is calculated in a six-dimensional feature space by combining the position and normal information of mesh vertices. Experimental results demonstrate that our visual salience guided shape simplification scheme can adaptively and effectively re-sample the underlying models in a feature-aware manner, which can account for the visually salient features of the complex shapes and thus yield better visual fidelity.