基于形状特征的可避免自交的平面多边形变形

给出了平面简单多边形的一种基于形状特征的可避免自交的变形方法。该方法将初始和目标多边形分别嵌入到以其放大的凸包边界为边界的同构平面三角网格中,通过采用对所嵌入的同构网格进行变形的方法,实现了平面多边形的变形。与已有的Surazhsky和Gotsman的方法相比,该方法考虑了初始和目标多边形的几何轮廓及其差异性,故变形过程更加自然,而且在网格剖分时使用了更少的额外顶点,因而提高了算法速度。     

基于三角基的平面多边形变形

本文讲解在VC 6.0环境下解通过对初始多边形和目标多边形进行Delaunay三角剖分,给出描述三角形网格各顶点空间位置的内在结构矩阵,然后插值相应的三角网格结构矩阵,实现多边形之间的形状变化。     

基于三角基的平面多边形变形

本文讲解在VC＋＋6．0环境下解通过对初始多边形和目标多边形进行Delaunay三角剖分,给出描述三角形网格各顶点空间位置的内在结构矩阵,然后插值相应的三角网格结构矩阵,实现多边形之间的形状变化。     

一种基于小波的多边形变形算法

文章提出了一种基于小波分解算法和相应的重构算法的变形方法。先用小波分解算法作用于平面多边形,得到平面多边形的轮廓和细节。然后分别对多边形的轮廓和细节进行变形,得到从初始图形变换到目标图形的中间图形的轮廓和细节。最后用重构算法重构出中间图形。该文算法可以处理任意顶点数的多边形,减少同构三角剖分的计算量,并且能够得到很好的变形结果。     

改进的基于mean value重心坐标的多边形变形

对平面多边形的变形,为了避免变形过程中边界的退化和自交现象,目前主要采用将初始多边形与目标多边形分别嵌入到具有凸边界的同构三角网格中去,转化成三角网格的变形问题。但该方法在进行同构三角剖分时,增加的额外点数目较多,复杂度高,且不能实现刚性变形。论文提出一种基于多边形星形分解的同构三角网格剖分算法,使用较少的额外点,降低了算法复杂度。此外,文中选择正多边形作为三角网格的边界,并采用刚体变形技术以保持初始多边形和目标多边形尽可能刚性地变形,取得了较好的变形效果。     

基于分解的重构验证的研究

重构可以改进既有软件的设计、提高软件质量,是一种行为保持的转化过程。自动化重构工具的广泛使用使得提高它的可靠性变得十分重要,然而即使是很简单的重构方法仍会导致许多错误,这些错误将会导致程序转换前后的行为不一致。因此提出对重构方法的形式化验证,只有这样才能将分析覆盖到所有可能的情况,完全地保证重构前后程序行为的一致性,即重构过程的正确性。该研究方向对软件发展的前景是十分有利的,但同时在程序验证的挑战性上也是十分巨大的。分析了基于分解的重构验证方法,并应用该验证方法,选择重构方法之一的搬移字段方法进行了详细的分析和验证。在完善重构验证这一研究方向作出了一定贡献。     

优化变形能的平面多边形同构剖分

平面多边形间的同构三角剖分是平面形状渐进过渡与插值的基础,降低对应三角形的变形程度是获得高质量应用的关键.文中提出一种基于变形能优化的2个平面多边形的同构剖分算法,其中包含同构剖分生成和变形能最小化2个模块.首先根据用户指定的对应特征点对多边形进行顶点重采样,得到顶点一一对应的2个多边形;然后利用带约束的Delaunay剖分对其中的一个多边形进行三角化,得到源网格;再用重心坐标将源网格的内部顶点嵌入到另一个多边形得到同构剖分(目标网格);最后逐一检查三角形的变形能,对源网格中变形能超过阈值的三角形进行细分,用同构剖分模块生成新的目标网格.实验及数据统计分析表明,该算法可以得到较好的同构三角剖分,提升网格质量,并能很好地避免纹理细节失真.     

基于分解重构LSTM的氟化工产品价格预测方法

企业利润受产品价格波动影响,深入分析产品价格变化趋势可以显著提升企业的市场竞争力。由于传统产品销售价格分析无法有效预测市场变化,提出一种基于分解重构的长短期记忆(LSTM)方法,对氟化工产品价格进行分析和预测。该方法首先对特征数据进行预处理,包括缺失值、异常值和归一化处理;然后通过相关系数进行特征选择,并基于集成经验模态分解(EEMD)挖掘数据隐含信息,采用动态时间规整(DTW)算法进行聚类和重构,进而建立LSTM模型进行预测。实验表明,该模型可以提升预测精度、降低计算复杂度,且优于人工神经网络(ANN)和最小支持向量回归(LSSVR)等基准模型。     

多边形三角形分解的扇形扫描算法

讨论了任意多边形区域的三角形分解问题,提出了一种扇形扫描方法。该方法沿着多边形轮廓搜索各个可行的目标三角形,逐步将多边形未分解区域缩小,最终完成三角形分解。给出了分解实例。     

LLE重构和SVD分解的地震信号降噪方法

针对现有地震信号降噪方法处理地震剖面的弯曲同相轴效果不佳,提出联合局部线性嵌入（LLE）和奇异值分解（SVD）方法的地震信号降噪技术。利用LLE的重构思想,对地震数据采样点用其近邻进行重构,实现非线性模式的弯曲同相轴的线性化处理,并去除一定程度的随机噪声;根据地震资料有效信号具有良好相关性的特性,采用SVD分解对LLE重构后的地震数据进行有效信号和噪声分离,剔除不相干的噪声,最终实现地震数据的随机噪声压制。在正演模型和真实地震资料上进行了实验,实验结果表明：与传统SVD方法相比,提出的方法很好地消除了随机噪声,有效信号基本上无丢失。     

三角形渐变动画

介绍了目前常用的三角形渐变动画方法,并根据三角形运动变化的物理原理提出了一种三角形混合方法——物理模型法,为了衡量三角形渐变动画的效果,提出了三角形相似度与法向变化率两个新参数．实验结果表明,与其他现有方法相比,本文方法生成的渐变动画效果在保形性和法向光滑性方面都比较令人满意,并已应用于实际动画制作中。     

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。     

一种基于IFS的二维真彩分形变形方法

提出了一种由迭代函数系统(IFS)所描述的二维真彩分形变形的新方法。首先建立二维真彩IFS分形模型,然后通过仿射变换的对应、规范化、匹配及插值实现了变形过程。实验结果表明:分形吸引子形状颜色过渡自然,这为分形的生成与动画提供了新的有效途径。     

基于DFT的信号子带分解与准确重构新方法

根据正交分解原理和离散傅里叶变换的物理意义,提出了一种分析滤波器组具有理想特性的信号分解与重构新方法(Discrete Fourier transform subband decomposition,DFTSD).对于给定序列,通过离散傅里叶变换,将其变换到频域,通过谱线分组,在频域实现信号的分解,经反变换得到时域子带信号.频谱上无交叠的子带信号,从根本上解决了抽取过程所带来的带内混叠问题.综合滤波器组的设计仅需考虑内插后引入的镜像频率分量的滤除.实验结果表明,在无子带抽取和存在子带抽取情况下,重构信号与原信号的平均绝对误差在10~(-16)量级.     

基于三角形对应关系的Morphing技术

基于图象生成的真实感图象有着不依赖于场景复杂度的突出优势。文中提出了一种基于三角形特征对应的Ｍｏｒｐｈｉｎｇ方法，它对局部信息进行综合，可以获得比传统的基于线段特征方法更快的处理速度，同时不会由于全局信息的影响而造成图象的扭曲失真     

基于EMD分解重构的互相关时延估计方法

在反狙击手声探测定位系统应用背景下,针对常用相关法时延估计精度不高、相对误差较大等问题,将IMF重构消噪的思想应用于声探测定位系统TDOA(time delay of arrival)的估计中.针对重构过程中IMF分量的选取问题,设计了一种基于皮尔逊(Pearson)相关系数的选取方法,选取IMF分量进行重构消噪并结合互相关的时延估计方法,构成了基于EMD分解重构的互相关时延估计方法.通过对实际采集的声信号进行仿真实验,验证了该方法的有效性.     

现代装饰绘画中的分解与重构

本文旨在对现代装饰绘画中抽象形态造型方面的探讨。及如何将抽象形态构成的形式法则,抽象形态构成的原理充分运用、融会于装饰绘画之中,以创作出独具特色的现代装饰绘画。     

基于小波的自动图像变形

图像变形算法中最费时的是在源图像和目标图像中确定变形特征基元；而到目前为止，大部分图像变形算法都是通过人工或半人工的方式来实现的．如果两幅源图像间的特征基元的确定能自动实现，则不但可以减轻用户的负担，而且可以极大地节省变形算法所需的时间，同时提高了算法的效率．提出了一种基于小波变换的自动图像变形方法．该方法完全依赖于给定的两幅源图像，自动生成期间的变形图像，不需要预先在两幅源图像中指定特征基元．实验结果证明，用本文的算法不仅能自动完成变形操作，而且也取得了满意的结果．     

基于改进稀疏场算法的水平集形状过渡

水平集进化是基于体模型进行三维形状过渡的常用方法,窄带算法和稀疏场算法能高效实现水平集进化,窄带算法的结果较为平滑,稀疏场算法速度更快.一方面通过改进稀疏场算法应用于欧氏距离模型提高速度,另一方面运用窄带算法弥补稀疏场算法的误差.提出用拓扑关系代替距离值范围定义各层体素集,并通过单侧活动集定义使算法更为高效和鲁棒.稀疏场算法因为欧氏距离的近似计算引起误差,在过渡的中后期走样明显,为此,提出了均值平移和窄带回退两种反走样方法对过渡模型进行平滑,前者简单、快速,后者失真度低.