基于Delaunay四面体剖分的网格分割算法

为了构建有意义曲面分片,提出一种基于Delaunay四面体剖分的网格分割算法.首先根据Delaunay四面体剖分得到多边形网格内部的四面体,求出每个面上反映网格内部信息的Delaunay体距离;然后对Delaunay体距离进行平滑处理,再对网格上面的Delaunay体距离进行聚类,用高斯混合模型对Delaunay体距离作柱状图的拟合,利用期望最大化算法来快速求得拟合结果;最后结合图切分技术,同时考虑聚类的结果、分割区域的边界平滑和视觉认知中的最小规则,得到最终的网格分割结果.实验结果表明,采用文中算法可以有效地实现有意义的网格分割.     

噪声鲁棒的分水岭网格分割算法

提出一种对逆向工程网格噪声鲁棒的分水岭分割算法.该算法在计算网格离散曲率时,针对曲率计算对网格噪声特别敏感的问题,根据拟合曲面的曲面误差估计,动态地调整拟合曲面的顶点个数,提高了曲率计算的精确性,增强了基于曲率的分水岭算法对噪声的鲁棒性;通过后续的标识、聚类和分割后处理方法,提高了算法的分割精度和效果.该算法在大量的噪声网格模型上获得了较好的分割结果,适用于逆向工程中的二次曲面识别和NURBS曲面逼近.     

基于Laplace谱嵌入和Mean Shift的 三角网格一致性分割

针对现有网格分割算法对模型姿态及噪声敏感的不足,提出一种基于Laplace谱嵌入和Mean Shift聚类的网格一致性分割算法。采用Laplace-Beltrami算子,将3维空域中的网格模型转化成高维Laplace谱域中的标准型,降低了姿态变化和噪声对分割算法的影响,并增强了网格的结构可分性;在高维谱域中,采用非参数核聚类MeanShift算法,获取模型有视觉意义的语义区域。实验结果表明:该算法可以快速有效地实现具有分支结构三角网格模型的有意义分割且对模型姿态和噪声具有较好的鲁棒性。     

基于保特征调和场的交互式网格分片

网格模型分片在计算机图形学应用中具有重要意义,本文提出了一种基于网格上的调和场和图割技术的网格模型分片算法.用户可以通过划线的方式来指定网格上感兴趣的区域;算法自动构建反映该区域细节特征的调和场,进而采用图割技术,得到满足用户要求的分片结果;通过对网格分割边界的光滑处理,可有效改善锯齿型分割边界.实验结果表明,我们的算法对于特征单一或复杂的网格模型都能得到符合用户意图的分割结果.     

结合边分割的改进二次误差测度算法

为了有效解决二次误差测度算法(quadric error metrics, QEM)容易产生异常三角面、失去局部特征、几何结构异常等问题, 提出一种结合边分割的改进二次误差测度算法(quadric error mactrics with edge splitting, ESQEM). 该算法添加顶点高斯曲率作为边折叠代价之一, 通过参数调节模型特征保留情况; 添加边长查询机制, 对细长三角面进行边分割操作. ESQEM算法能有效维护网格模型高曲率区域特征、保持网格几何结构、消除狭长三角面, 简化后的模型有更好的视觉效果, 高简化率下的简化精度更高.     

对称零空间准则下的LDA特征抽取方法

网格分割在网格参数化、纹理atlas图等几何处理问题中有着重要的应用.提出一种基于顶点或面凸凹信号的简单高效的网格分割算法.基于均匀支撑半径的顶点凸凹信号分析将顶点分为平坦点、凸点、凹点和特征点,先从平坦点进行平坦区域扩展,再从剩下的凸凹点出发进行凸凹区域扩展,最后根据顶点和边界边的光滑度进行区域竞争扩展;对于未能完全分割的简化程度高的模型,基于面的凸凹信号采用类似的过程进一步完成最后的分割.该算法可以快速地进行网格分割并能较好地保持网格特征,特别适用于CAD模型的分割.     

近似测地距离度量下的图像抗噪分割方法

对含有噪声的图像进行有效分割是图像处理中的难点问题之一.为解决欧氏距离带来的空间局限性,对含有噪声的图像进行有效分割,提出一种基于近似测地距离和边界加权的重心Voronoi图划分(CVT)能量模型的图像抗噪分割方法.首先利用图像梯度的大小和方向建立一种近似测地距离计算模型,降低了算法的时间复杂度;然后采用该测地距离测度定义边界加权的CVT能量模型,并极小化能量模型实现数字图像的抗噪分割.实验结果表明,该方法可以有效地对含有噪声的数字图像进行抗噪分割.     

基于网格Laplace的三维几何模型分割

模型分割是模型分析的重要方法和手段.针对已有网格分割算法对姿态敏感和计算速度慢的问题,提出了一种基于网格Laplace和k-means聚类的三维几何模型分割算法.通过网格Laplace将三维模型从空域嵌入到谱空间中进行分析,得到了模型的归一化形式,克服了姿态变化对分割结果的影响,并极大地减少了计算时间,获得了视觉上有意义的分割结果.实验结果表明,本算法能快速有效地实现网格模型的正确分割,并对模型姿态的变化有较好的鲁棒性.     

网格分割的3维网格模型非盲水印算法

目的 信息技术的发展使得面向3维模型版权保护的问题越来越突出,提出一种新的基于网格分割的3维网格模型非盲水印算法。方法 首先使用基于形状直径函数的网格分割算法对3维网格模型进行有意义的网格分割,然后计算每个分块的鲁棒重心并以此为中心将模型由直角坐标系转换到球面坐标系,最后通过调制每个顶点范数的分布来嵌入水印,在水印检测阶段使用非盲检测的方法提取水印。结果 针对目前基于网格分块的水印算法的网格分割不一致以及对分割边界依赖性过强等问题,引入基于形状直径函数的网格分割算法并在重对齐、重采样过程中加入待检测模型与原始模型分块匹配过程以保证网格分割的一致性,并且选取分块的顶点范数的分布作为水印嵌入基元,使得算法能够有效地减弱对分割边界的依赖性。结论 实验结果表明,该算法可以有效抵抗平移、旋转、缩放、噪声、细分、简化、剪切等常见的攻击以及多种攻击的联合攻击。     

三维网格模型的球面分割几何压缩算法

首先对单位球面进行均匀分割,构造出规则球面网格,然后依次对球面网格点进行编号,用半径和球面网格点编号近似表示每个顶点的三维坐标.对这些编号排序后,用相邻编号的差值来表示球面网格点编号,实现了只用一个浮点数和一个网格点编号差值来表示一个顶点的3个坐标值.浮点数表示的半径可以量化为整数,进一步压缩存储空间.该算法的最大优点是与模型的拓扑性质无关,只需要利用模型的顶点坐标.实验结果显示,文中算法有较好的压缩效果,虽然该算法是针对三角面片网格来说明的,但是其基本思想也可以应用到其他形式的网格模型中.     

基于峭度图像的超分辨率重建算法

针对在强噪声环境下,传统的超分辨率重建算法重建图像效果不佳的问题,提出一种基于峭度图像的超分辨率重建算法。定义峭度图像,从统计学角度分析得到峭度图像的2个重要性质,即具有高斯不变性,并且图像越模糊,峭度绝对值越小。在满足高分辨率图像与低分辨率图像之间反卷积的剩余误差有界的前提下,通过最大化峭度绝对值求解未知的高分辨率图像,采用Lagrange乘子法则求解此约束优化问题。分析高斯噪声和非高斯噪声环境下算法性能。仿真结果表明,该算法在主观视觉和客观评价上都明显优于传统算法。     

基于HMM与SVM的语音活动检测

工程机械强噪音环境下的噪声源较多,导致电话语音通话无法进行,且强噪声造成无效数据占用带宽。为此,提出基于隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到HMM识别器中,并通过Viterbi算法得到N维最佳识别结果,将其转换为SVM特征向量输入到SVM分类器中进行分类判别,得到判决结果。实验结果表明,该算法在机械工作噪音的情况下,语音检测率较静态统计类算法平均提高9%,比小波支持向量机方法提高11%,在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高,但其增长速度较快,且比传统的统计类算法提高9%。     

Mesh segmentation using feature point and core extraction

Mesh segmentation has become a necessary ingredient in many applications in computer graphics. This paper proposes a novel hierarchical mesh segmentation algorithm, which is based on new methods for prominent feature point and core extraction. The algorithm has several benefits. First, it is invariant both to the pose of the model and to different proportions between the model’s components. Second, it produces correct hierarchical segmentations of meshes, both in the coarse levels of the hierarchy and in the fine levels, where tiny segments are extracted. Finally, the boundaries between the segments go along the natural seams of the models.     

宽带系统中载波频偏与采样频偏的联合估计

提出一种针对多波带正交频分复用系统中载波频偏与采样频偏的联合估计算法。为了在频偏较小时获得对噪声干扰足够的鲁棒性,用预偏转技术把频偏预旋转到一个较大的值作估计。该算法在频域处理3个连续相同的前导符,它对频率相关性I/Q失配和频率无关性I/Q失配都具有很好的鲁棒性。基于多波带正交频分复用超宽带无线传输系统的仿真结果,验证了提出的载波频偏和采样频偏联合估计算法的有效性。     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。     

混沌粒子群与模糊聚类在图像分割中的应用

模糊C均值聚类算法是目前使用最广泛的模糊聚类算法,但是该算法也有其局限性,比如在迭代过程中对初始值非常敏感,极容易陷入局部极小值,以至于得不到最佳聚类结果。将粒子群优化算法应用到模糊C均值聚类算法中,提出一种基于混沌粒子群的模糊C均值聚类算法。它能够利用粒子群算法强大的全局寻优能力避免算法收敛于局部极值,最大程度上达到全局最佳聚类结果。为了避免粒子在迭代过程中停滞,该算法引入了混沌变量,以当前的全局最优位置来产生一个混沌序列,用混沌序列中拥有最优适应值的粒子随机代替当前粒子群中的一个粒子。将基于混沌粒子群的模糊C均值聚类算法应用于图像分割中,实验结果表明该算法能够有效地分割图像,并具有良好的鲁棒性和适应性。     

Enhancing 3D mesh topological skeletons with discrete contour constrictions

This paper describes a unified and fully automatic algorithm for Reeb graph construction and simplification as well as constriction approximation on triangulated surfaces. The key idea of the algorithm is that discrete contours – curves carried by the edges of the mesh and approximating the continuous contours of a mapping function – encode both topological and geometrical shape characteristics. Therefore, a new concise shape representation, enhanced topological skeletons, is proposed, encoding the contours’ topological and geometrical evolution. First, mesh feature points are computed. Then they are used as geodesic origins for the computation of an invariant mapping function that reveals the shape most significant features. Next, for each vertex in the mesh, its discrete contour is computed. As the set of discrete contours recovers the whole surface, each of them can be analyzed, both to detect topological changes and constrictions. Constriction approximations enable Reeb graphs refinement into more visually meaningful skeletons, which we refer to as enhanced topological skeletons. Extensive experiments showed that, without any preprocessing stage, proposed algorithms are fast in practice, affine-invariant and robust to a variety of surface degradations (surface noise, mesh sampling and model pose variations). These properties make enhanced topological skeletons interesting shape abstractions for many computer graphics applications.     

基于K均值聚类的图割医学图像分割算法

图割是一种同时基于区域和边界的交互式图像分割算法。传统的基于高斯混合模型的图割具有时间慢和描述组织中灰度分布不准确的缺点。为此,提出一种基于K均值聚类的图割算法。通过用改进的图割来分割仿体的和真实的脑部核磁共振图像,显示出该方法的有效性。该方法不但能提高图割在分割时的速度,在有噪音和灰度不均匀的图像上也能在较短的时间内得到更准确且鲁棒的结果。