三维标量场并行等值面提取与绘制技术

通过研究并行等值面提取与绘制的各项关键技术要点,面向三维标量场的特点,在sort-last并行绘制模式的基础上提出一个三维标量场并行等值面提取与绘制框架.该框架在任务分配时采用静态分配的模式,在等值面提取时采用Marching Tetrahedra等值面提取算法,在并行绘制与场景合成时采用预先构建绘制节点控制模型的混合场景并行绘制合成算法.实验结果表明,该框架能够有效地提高大规模时变三维标量场的等值面提取与绘制效率,满足实际应用的需要.     

用自适应的三线性逼近方法构造等值面

在三维空间数据场中构造等值面是科学计算可视化的有效方法，本文提出了一个新的等值面构造方法，新算法建立在对立方体面上的边有效连结的基础上，本文给出了由边连结成多边形的快速方法，详细讨论了多边形的三角化过程，然后，提出了一个自适应的三角形剖分方法，使产生的子三角形网格能满足用户规定的容差，成为等值面的更为精确的多边形逼近，最后给出了用新的算法生成的等值面图形。     

一类线性Poisson-Boltzmann方程的虚单元法

Poisson-Boltzmann方程是一类带有Dirac分布源和间断系数的偏微分方程,本文主要研究一类线性的Poisson-Boltzmann方程的虚单元法.首先对Poisson-Boltzmann方程进行分解,将原方程转化为一类非奇性正则化Poisson-Boltzmann方程来求解,接着设计了相应的虚单元法.理论上给出最低阶虚单元法在H1范数下的最优误差估计.数值算例验证了理论分析的收敛阶,同时也说明了利用虚单元法可以实现线性Poisson-Boltzmann方程在多边形网格上的求解.     

基于医学体数据生成四面体网格的方法

为了从医学体数据直接构造四面体网格,提出一种基于栅格的网格生成算法.该算法的主要思想是从背景栅格中提取并填充代表区域边界的等值面.首先,对医学体数据进行预处理与采样,构建一个背景栅格.其次,用对偶方法从栅格提取三角表面网格,用于分段线性逼近等值面.然后,对栅格中所有位于等值面之内或与等值面相交的立方体,用预定义的模板分解成四面体单元.最后,用Laplacian平滑技术优化四面体网格.在均匀网格的基础上,研究了自适应网格生成算法,在保持网格几何精度的同时精简单元数量,以提高有限元计算效率.给出了从CT数据生成人体股骨远端四面体网格的实例,该网格模型被用于虚拟膝关节镜手术.     

计算空间曲面顶点法向量的方法

在处理三维物体表面光照时,通常都需要计算空间曲面各顶点的法向量。本文针对三角形网格表示的空间曲面,设计了一种计算空间曲面顶点法向量的算法。并且根据上述空间曲面顶点法向量的算法,利用高程场的特性,推导出一种计算高程场顶点法向量的快速算法。     

体数据的多精度等值面抽取

Ｍａｒｃｈｉｎｇ Ｃｕｂｅｓ算法是一个被广泛应用的体数据等值面抽取算法。本文提出的Ｍａｒｃｈｉｎｇ Ｂｏｘｅｓ算法结合显示所需精度，对ＭＣ算法作了优化，减少了由ＭＣ算法生成的三角面片数，使实时观察体数据成为可能。在保留图象细节的前提下，ＭＢ算法输出的三角面片经ＭＣ算法减少了一半以上，从而加快了体数据的面绘制速度。     

基于任意多边形拉氏网格的有限体积方法研究及应用

本文提出了结构与非结构拉氏网格联合使用的网格策略,采用了邻域关系、线性表和指针的数据结构,研制并实现了基于任意多边形拉氏网格的有限体积方法及程序．数值实验显示了其很强的模拟实力．     

基于流向标量场与快速扫掠法的图像分割

通过将梯度向量流(Gradient vector flow, GVF)场与种子区域生长(Seeded region growing, SRG)法相结合, 提出了一种快速的自动图像分割方法. 首先基于梯度向量流场构建一个流向标量场, 然后提出一种新型的快速种子区域生长分割法——快速扫掠法(Fast scanning method, FSM)对标量场进行初始分割, 最后采用区域邻接图对初始分割结果进行区域合并得到最终结果. 本方法分割速度快, 如采用一个快速的梯度向量流算法, 则可以用于实时应用. 实验结果证实了本方法的高效与鲁棒.     

等值面的高质量显示方法

等值面是描述体数据中所含特定器官表面的有效方式，因此对等值面进行快速高质量的显示就显得非常重要。与以往的等值面显示算法不同，本文提出的方法不需要用三角形网格去逼近等值面然后再对三角形网格进行显示，而是直接对原始等值面进行显示，从而避免了三角化过程中的计算损耗和精度损失等问题，保证了等值面轮廓不会出现锯齿状现象，使等值面的显示既快速又准确。     

基于微机环境的三维数据场多等值面快速显示算法

直接体绘制技术能够利用半透明效果显示三维数据场，提供了比等值面绘制方法更为丰富的信息，但是，由于数据场中所有体素都参与了图象生成过程，使得该技术的计算开销昂贵，远远无法达到交互式操作的要求。事实上，如果用边界表示法来表示三维数据场，就可以利用三维空间连续性来大幅度缩短绘制时间。边界表示法只关心有值面穿过的边界体元，用Ｏ内存单元来表示大小的原始数据场，从而产生大规模数据压缩。本文在此基础上提出一种基     

多边形和多面体顶点法矢的数值估计

证明了两个定量，定理1揭示了三点多边的外接圆在中点处的法矢与两个边界法矢的关系；定理2揭示了四面体外接球面在中点处的法矢与三个相邻三角平面的法矢量的关系，给出了一个判别二维多维边形和三维多面体顶点法矢计算方法优劣的准则，在此基础上，提出一种用于估计三维多面体顶部的法矢量的计算方法，两个例子说明文中给出的准则和算法的合理性和实用性。     

适合资源受限环境的GF(2m)域上乘法器结构

椭圆曲线密码体制因其每比特最大的安全性受到越来越广泛的重视。而有限域上的乘法运算,成为决定椭圆曲线上的标量乘法运算速度的主要因素。文中基于Massey-Omura乘法器,和另外一种并行乘法器,提出了一种新型的有反馈的并行乘法器结构,结构需要8(m-1)个异或门和(8m-7)个与门。比起原来的乘法器,门数有了很大的减少。因此这种结构比较适合资源受限的环境中应用。     

基于二元混合有理插值的形状渐变方法

为实现多个多边形间的平滑自然渐变,提出基于二元混合向量值有理插值的非线性二维形状渐变方法。将多个多边形的顶点坐标作为平面域上的向量,利用二元Newton-Thiele型向量连分式建立有理插值曲面,通过对插值曲面进行重采样得到一系列渐变中间多边形。实验结果表明,该方法具有计算精度高、适应性强、易于编程实现的特点。     

基于网格中心点的点在多边形内的高效判定

提出一种基于均匀网格的点在多边形内的高效判定算法.它首先建立均匀网格,并从左至右依次计算每个网格单元中心点的位置属性.每个单元中心点的位置属性直接依据其左侧邻接单元已知位置属性的中心点快速获得.在判定点的位置时,确定被测点所在单元,并依据该单元中心点的位置属性判定被测点的位置属性.由于预处理和判定时均利用邻近点的已知位置属性来确定未知点位置属性,可以很好地进行局部化的计算.因此,新方法比现有方法快很多,并且其预处理时间复杂度也由同类网格算法的O(N3/2)下降为O(N).同时,新方法可以统一处理含有自相交及重叠边的非流形多边形.实验结果表明,相比于其他基于均匀网格的方法,新方法可将预处理的速度提高几倍,将判断计算的速度提高十几到几十倍.其速度甚至优于具有该问题最低判定计算时间复杂度O(logN)的基于凸剖分的判定算法.     

一种货币识别传感器有效性与精度分析方法

货币识别技术利用各种传感器来检测和测量货币的各类信息,选择有效、精确的传感器是实现货币识别的第一步工作;在真币性质比较稳定,以及货币样本容易获取的现实条件下,讨论了真币性质的特性,提出了基于正态分布和向量范数的检测方法,它通过对货币样本数据的统计分析来判断传感器的有效性和精确性;此方法简洁实用,为传感器的选择提供了客观依据。     

Non-Linear Scale-Spaces Isomorphic to the Linear Case with Applications to Scalar,Vector and Multispectral Images

A basic requirement of scale-space representations in general is that of scale causality, which states that local extrema in the image should not be enhanced when resolution is diminished. We consider a special class of nonlinear scale-spaces consistent with this constraint, which can be linearised by a suitable isomorphism in the grey-scale domain so as to reproduce the familiar Gaussian scale-space. We consider instances in which nonlinear representations may be the preferred choice, as well as instances in which they enter by necessity. We also establish their relation to morphological scale-space representations based on a quadratic structuring function.     

一种改进的线性判别分析算法MLDA

线性判别分析(LDA)是模式识别方法之一,已广泛应用于模式识别、数据分析等诸多领域。线性判别分析法寻找的是有效分类的方向。而当样本维数远大于样本个数(即小样本问题)时,LDA便束手无策。为有效解决线性判别分析法的小样本问题,提出了一种改进的LDA算法——MLDA。该算法将类内离散度矩阵进行标量化处理,有效地避免了对类内离散度矩阵求逆。通过实验证明MLDA在一定程度上解决了经典LDA的小样本问题。     

一种非结构矢量场的线卷积积分方法

传统的结构化LIC方法不适用于非结构矢量场数据处理的主要原因有两个,一是矢量幅度的表现力不强,二是因分辨率等因素无法有效地应用于采样点位置随机的矢量场．为解决上述问题,可以采用如下方法：在DDA曲线的生成过程中,采用基于数值的计算方法替代结构化LIC中基于网格的计算方法,从而有效地保证了处理结果的分辨率;在DDA曲线的卷积积分（LIC）处理过程中,采用区域标记的策略替代快速LIC方法中的线标记策略,一方面,因为被标记的采样点不再作为以后各轮DAA曲线生成的起始点,从而可以有效地减少计算量;另一方面,区域标记方法能够使LIC处理的结果稀疏化,表现为矢量场中幅度大的区域矢量线密集,而幅度小的区域矢量线稀疏,从而有效地提高矢量场幅度、结构的表现力．     

一种新的点模式指纹匹配方法

指纹的旋转和平移是指纹匹配中必须解决的问题,针对这一问题提出了一种新的指纹局部特征描述方法,主要是利用特征点之间的距离、特征点类型来构建新的局部特征向量,利用这些局部结构特征来实现对匹配参考点的确定,将存在平移和旋转的两个指纹特征点集转换为以匹配参考点为极点的极坐标下进行全局匹配。实验结果表明该算法对于指纹图像的旋转和平移具有较强的适应性,可以满足实际应用的需要。     

一种启发式线性回归损失函数选取方法

损失函数度量回归分析中,信息损失和错误的程度是机器学习算法最小化的目标函数。本文研究在有限数据集上线性回归分析的损失函数选取方法。对于给定的噪声密度,存在一个满足一致性条件的最优损失函数（如噪声密度满足高斯分布,则常见的最优损失函数是平方损失函数）。但在实际应用中,噪声密度往往是不确定的,且训练样本集有限。一些统计信息可用来对有限信息环境下的损失函数进行选取,但这些统计信息是基于一些一致性假设且在有限的样本集上不一定有效。针对这些问题,借鉴Vapnik的ε-insensitive损失函数,提出一种启发式的基于样本数目及噪声方差的参数设置方法。实验结果表明,与常用的平方损失函数及Huber的least modulus loss相比,本文的损失函数性能更健壮且预测效率更准确。