一种提高FDM三维打印系统成型效率的算法

目前,FDM三维打印系统制件加工时间比较长,成型效率较低。在权衡加工时间和加工精度的前提下,从切片层厚和层扫描速度控制的角度,提出了一种基于面积变化率的自适应切片层厚控制和基于周长变化率的自适应层扫描速度控制相结合的算法。首先通过二维轮廓面积变化情况计算每层切片数据的层厚值;然后用获得的层厚数据对模型进行切片,得到每层可打印的真实轮廓;最后计算每层二维多边形轮廓的周长,并根据周长的变化情况确定该层合适的扫描速度。实际打印测试结果表明,该算法可以有效降低打印时间,提高成型效率,验证了算法的有效性。     

一种分层自适应快速K-means算法*

现今如何在大数据库中找到有用的数据类型已成为一个研究热点,而对数据库中分类簇的识别是该领域广泛研究的一个问题。提出一种分层自适应快速k-means(Hierarchical Adaptive Fast K-means,HAFKM)算法对图像数据库分类聚簇。HAFKM根据提出的分层策略构建一棵非平衡聚类树,通过自适应的方法CEC(Cluster Evaluation Criterion)确定了除根节点外的每棵子树的分支数目,而在聚类树的每一层聚类中使用一种提出的判别函数(the cost-function)在颜色直方图上根据颜色等级直接聚类,从而可以在整棵树上快速聚类。实验表明,HAFKM通过在非平衡树上逐层聚类,并且通过CEC准确判断聚类数目,可以快速、高效的实现数据库的分类聚簇。     

异维学习人工蜂群算法*

针对人工蜂群算法局部搜索能力弱及易陷入局部最优的缺点,提出了一种改进的人工蜂群算法。首先,雇佣蜂使用全局最优引导的搜索策略,且引导程度随个体试验次数()自适应减小,以此平衡算法的全局和局部搜索能力。其次,观察蜂采用变异的异维学习策略,使算法的搜索具有跳跃性,以提高跳出局部最优的概率。对8个经典基准测试函数和CEC2013中8个复合基准函数的测试结果表明,与多种最近提出的类似算法相比,新算法在收敛速度和解的精度均具有显著优势。     

基于自适应分层的文物点云数据压缩算法*

三维激光扫描点云为文物模型重建提供了新的数据支持,但扫描所得海量点云包含大量冗余数据,给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题,提出了一种基于自适应分层的文物点云数据压缩算法,算法的基本思想是：首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层;然后使用弦高差值作为特征点的判别依据来删除冗余数据,采用改进的弦高差法对每层点云进行压缩,保留对模型特征贡献较大的特征点。实验结果表明通过形状误差控制分层厚度,能在平缓部位减少层数提高效率的同时不至于复杂部位因分层过厚而损失重要特征,改进的弦高差法在保留大曲率特征的同时不至于平缓部位出现孔洞,从而保证了模型重建的精度。     

增强寻优能力的自适应人工蜂群算法*

针对人工蜂群算法在求解函数优化问题中存在收敛精度不高、收敛速度较慢的问题,提出了一种改进的增强寻优能力的自适应人工蜂群算法。该算法利用逻辑自映射函数产生混沌序列对雇佣蜂搜索行为进行混沌优化,并引入萤火虫算法中的自适应步长策略动态调整观察蜂的搜索行为,从而提升了算法的局部搜索能力。基于标准测试函数的仿真结果表明,改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。     

熔融沉积快速成型技术与三维扫描技术的结合应用

随着逆向、创意行业的迅速发展,熔融沉积快速成型技术在3D打印领域作用日趋重要,本文结合熔融沉积快速成型3D打印机与白光扫描仪的特点,介绍目前熔融沉积快速成型技术的研究应用状况及其在3D打印领域的重要作用,并阐述3D打印与白光扫描的结合应用。     

基于遗传优化的自适应凸松弛人体姿势估计*

针对凸松弛方法在解决三维人体姿势估计的问题时存在迭代次数较多、准确度不高的不足,提出一种基于遗传优化的自适应凸松弛人体姿势估计算法。该算法首先对关键参数的更新方式进行自适应处理,然后利用遗传优化算法对该关键参数的初始值进行寻优,最后利用寻优结果对凸松弛方法中闭式解的公式进行调整。实验结果表明,提出的算法迭代次数更少,准确度更高,更有利于实际应用。     

基于随机阵列的降维压缩感知三维成像方法*

针对传统压缩感知(Compressed sensing, CS)三维微波成像方法存在建模较复杂和高度维数据层间串扰的问题,提出一种基于随机阵列观测的降维稀疏建模CS三维微波成像方法。该算法对三维成像空间进行整体建模,克服了分层建模时高度维数据层间串扰的问题。同时,该方法利用截取距离压缩后的回波数据、相关积累提取和随机抽取三种策略,大大降低了传感矩阵的维数,从而实现了三维成像空间的降维CS成像。仿真结果表明该方法能实现三维目标聚焦,并且比传统方法更能精确地重建场景的目标信息。同时,研究还表明CS三维成像不仅能达到旁瓣抑制效果,而且还能在一定程度上获得分辨率增强效果。     

基于时空混沌系统的彩色图像加密算法*

提升混沌系统的复杂性,对保证基于混沌的加密算法的安全性有重要的意义。本文将分段Logistic映射引入到时空混沌模型中,有效增加了时空混沌模型的复杂性。基于此模型提出了彩色图像的加密方法。在加密算法中,为了增强算法的安全性,以时空混沌系统的状态值作为置乱方程选择的依据,同时考虑了彩色图像R,G和B三个分量之间的相互置乱。然后,利用时空混沌模型产生的复杂数字序列对置乱后的图像进行扩散操作。经多轮的置乱和扩散操作后,产生最终的加密图像。性能分析以及仿真实验的结果表明该算法具有良好的安全性,能够有效满足图像在网络中安全传输的需求。     

改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

基于自适应分层的3D打印成型方向优化

在3D打印中,成型方向的选择是影响产品成型质量的关键因素之一。针对目前算法仅考虑在等厚分层的前提下进行优化的问题,提出基于自适应分层的模型成型方向优化算法。首先结合3D打印层层叠加的特点,在分析不同成型方向对产品表面精度影响的基础上建立了以模型成型方向为变量、最小体积误差为目标的优化函数;然后通过STL模型的坐标变换、自适应分层等步骤并利用遗传算法在全局范围内搜索最优解,得到最佳成型方向。实验结果表明,该算法能够找到在自适应分层前提下的最佳成型方向,与现有算法相比能够进一步降低体积误差,提升表面质量。     

优化的PCNN自适应三维图像分割算法*

脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统的Otsu阈值方法、SPM8工具箱及专家手动分割结果的对比实验表明,该自适应算法具有精确性、高效性。     

骨小梁仿生微结构的解析与构建

骨小梁的生物机制因其复杂的三维微结构和微环境及其与成骨细胞之间的相互作用,已被世界各国学者在骨修复重建和骨再生领域中研究和应用。然而,以往的研究缺乏对体内骨小梁真实环境的模拟,尤其是缺乏对骨小梁微结构的精确量化及其与微环境相互作用条件下骨骼再生的研究与应用。该研究开发一种新的骨小梁仿生微结构的解析与构建方法来分析和构建骨小梁的三维环境。该方法基于 Micro CT 兔股骨近端松质骨扫描,采用 Mimics 和 Rhino 软件构建三维松质骨模型并分析其几何特征,应用斯特林公式和 3D 打印骨小梁结构,对仿生骨小梁结构进行了解析和构建。截面积对比和结构相似性分析表明,仿生松质骨与天然松质骨结构达到很高的相似度(达 95% 以上);体外细胞实验表明,仿生骨小梁微环境能够提供较好的细胞生长微环境。该研究可为组织工程临床研究与应用提供有力的工具。     

基于权重能量自适应分布的三维形状分割算法

针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

骨组织模型3D打印建模中CT图像序列选择的策略分析

骨组织模型的精确3D打印对骨科手术前进行手术方案规划、术中定位和术后评估手术效果均有不可替代的作用.然而,打印等比例的、与患者完全匹配的、精确的骨组织模型涉及术前CT影像扫描、3D建模、3D打印及打印后处理一系列流程.其中,对于3D打印前的重建,CT扫描图像序列的选择直接影响打印模型的质量.通过比较骨窗序列和标准序列C...     

图像的线型逼近3D打印

针对给定的图像3D打印问题,提出一种基于线型图逼近的打印路径生成算法,并对打印路径进行几何与拓扑优化,使得生成的路径可以满足3D打印的条件.首先对给定图像进行初始化,即通过对图片进行分块采样.点的连通与边界提取来得到保持原图片色调变化与轮廓特征的初始的线型图;然后通过几何优化修正组成线型图点的位置,使得它们的连线平滑且尖锐的拐点减少;再通过拓扑优化改变局部区域中的点的连接关系,消除因几何优化带来的连线自交问题,同时将边界与内部线连接起来;最后将点的连接顺序作为3D打印的路径,通过3D打印机进行制造.实验结果表明,该方法能够有效且高效地给图像生成线型图并用于3D打印.     

医学三维影像体数据闭值分割方法

建立医学三维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于三维体数据,提出并实现了两种医学三维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。     

有效保留模型特征的自适应分层算法

针对3D打印中已有自适应分层算法不能有效保留模型特征的问题,提出了一种新的识别和保留模型特征的自适应分层算法。首先,扩展了模型特征的定义,引入了模型特征丢失和偏移的概念;然后,提出了一种特征识别的方法,其识别模型特征的关键在于利用了模型特征出现的地方必然伴随着模型表面复杂度或切片轮廓数的变化这一性质;最后,在已有自适应分层算法的基础上,通过在特征附近用最小的分层厚度处理模型来保留模型的特征。在自主开发的软件Slicer3DP上实现了均匀分层、自适应分层和所提的分层算法,对比发现所提算法能有效解决模型特征的丢失和偏移,兼顾了分层精度和效率。仿真表明该算法可以用于对模型精度要求较高的3D打印中。