一种基于泊松融合的实时海滩场景模拟

三维海滩场景绘制具有内容复杂、分辨难度大、计算量大的特点.现有三维海滩场景处理方法不足以满足军事仿真和实时游戏等应用领域的需求.针对上述情况,提出了基于泊松融合实时海滩场景模型.通过采用简化的大气散射方程组对天空进行建模,使用反向快速傅立叶变换和双向反射分布函数绘制海面的动态效果,使用纹理贴图实现沙滩的真实感绘制,最后使用泊松方程对天空、海面和沙滩进行融合.实验结果表明,该类绘制融合的方法能够减少绘制时间,实现三维动态海滩场景的实时绘制.     

从CAD模型到数码城市GIS模型的若干问题

作为数码城市GIS建设重要的数据源 ,三维CAD模型数据在规划设计部门普遍可得 .特别是由于GIS在复杂场景三维建模与编辑方面还不能满足日益增长的需要、大量的数码城市GIS建设在相当长时间内还要继续采用CAD建模方法及其成果的情况下 .分析了CAD与GIS在三维数据模型方面的异同点 ,提出了在数码城市GIS中有效集成应用CAD模型数据的解决方案 ,并着重在数据表示、数据结构和数据转换等方面进行了深入剖析 .实验证明 ,该方法可满足GIS数据处理与表现高效、逼真和可量测的要求     

基于草图的花开建模与动画

合成花开动画一般靠手工交互完成,费时又繁琐.提出了一种基于生物学的交互式花朵建模和花开模拟方法.首先采用基于草图的建模方法对花朵的器官,如花瓣、雌蕊、雄蕊和花梗等进行初始形状设定;利用植物学中的叶序规则,构建花苞和成花的完整细节模型.然后,分析比对花朵的主要器官花开前后的姿态和尺寸,提取出一系列描述花朵的生长参数,建立一个动态生长模型,并以之指导花朵器官在花开过程中的连续形变.最后,依据生长模型生成一个逐渐开放的花朵模型序列,依次绘制该序列即可合成逼真的花开动画.实验表明,该方法高效、简洁,能够获得既符合     

风场作用下的动态森林场景的实时仿真

为真实地模拟树在风中摇曳的动态效果,将风场视为一个随机过程(场),利用谱分析的方法生成给定条件下的风速矢量场;进而采用简化的动力学方程,实时计算风力作用下树的位移和形变.采用一种混合式几何和图像的表示方法对树木进行参数化建模,并在模型中内建多个细节层次,以便加速场景视点相关的绘制.综合以上算法的交互式漫游系统能实时地模拟包含数千棵树的森林场景在风场作用下的动态效果,初步满足了虚拟现实、战场仿真与数字娱乐等应用的要求.     

基于高效用神经网络的文本分类方法

现有的基于深度学习的文本分类方法没有考虑文本特征的重要性和特征之间的关联关系,影响了分类的准确率.针对此问题,本文提出一种基于高效用神经网络（High Utility Neural Networks,HUNN）的文本分类模型,可以有效地表示文本特征的重要性及其关联关系.利用高效用项集挖掘（Mining High Utility Itemsets,MHUI）算法获取数据集中各个特征的重要性以及共现频率.其中,共现频率在一定程度上反映了特征之间的关联关系.将MHUI作为HUNN的挖掘层,用于挖掘每个类别数据中重要性和关联性强的文本特征.然后将这些特征作为神经网络的输入,再经过卷积层进一步提炼类别表达能力更强的高层次文本特征,从而提高模型分类的准确率.通过在6个公开的基准数据集上进行实验分析,提出的算法优于卷积神经网络（Convolutional Neural Networks,CNN）,循环神经网络（Recurrent Neural Networks,RNN）,循环卷积神经网络（Recurrent Convolutional Neural Networks,RCNN）,快速文本分类（Fast Text Classifier,FAST）,分层注意力网络（Hierarchical Attention Networks,HAN）等5个基准算法.     

单幅航片的薄云去除方法

与匀质的雾霾不同,航摄像片中的絮状薄云形态多变、厚薄不均,航片的薄云去除比图像去雾更具挑战性.针对单幅航片中的薄云,提出一种基于分治思想的云去方法.首先设计一种基于颜色衰减先验、表征薄云覆盖程度的遮罩指数,并依据该指数将含云航片分割为遮罩层次不同的区块,使区块内的薄云近乎均匀、满足传输率光滑的假设;然后以改进的颜色线方法分别计算各区块内的大气光值,构成整幅图像的大气光图;再应用基于边界约束的传输率估算法计算粗略传输图;最后以加权L1范数作规则化项对粗略传输图进行优化,获得精细传输图,结合含云图像、大气光图与精细传输图反求理想条件下的航摄图像.在单机环境下进行单幅航片的薄云去除的实验结果表明,该方法能够大幅消减甚至完全去除絮状薄云对航片的遮罩影响,有效地增强图像可见性.     

基于深度学习的混合兴趣点推荐算法

针对现有兴趣点推荐的初始化和忽视评论信息语义上下文信息的问题,将深度学习融入推荐系统中已经成为兴趣点推荐研究的热点之一。该文提出一种基于深度学习的混合兴趣点推荐模型(MFM-HNN)。该模型基于神经网络融合评论信息与用户签到信息来提高兴趣点推荐的性能。具体地,利用卷积神经网络学习评论信息的特征表示,利用降噪自动编码对用户签到信息进行初始化。进而,基于扩展的矩阵分解模型融合评论信息特征和用户签到信息的初始值进行兴趣点推荐。在真实签到数据集上进行实验,结果表明所提MFM-HNN模型相比其他先进的兴趣点推荐具有更好的推荐性能。     

环境工程专业化工原理实验教学改革

阐述了环境工程专业化工原理实验课程教学改革的内容。针对环境工程专业的特点,提出了化工原理实验课程中实验项目应做的增减,并指出了存在问题及解决办法。     

一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

尺度自适应的纹理滤波方法

对于图像中的多尺度纹理,其高效滤波仍是一项具有挑战性的工作.为此,提出了一种尺度自适应的变核纹理滤波方法,以更有效地实现"去纹理保结构"的图像平滑.设计了一种结构探测式的滤波核尺度选择机制,即在像点的预设考察邻域内探测结构边的存在,以不含结构边的最大范围估算像点适用的滤波核尺寸;最终纹理区域内的像点获得大尺度滤波核、结构上的像点获得小尺度滤波核.以多种尺度的核同步作滤波,即为一次多尺度纹理滤波,则各像点的滤波幅度自适应于邻域的结构-纹理分布.在对纹理图像作滤波平滑的实验中,相比于已有滤波方法,文中方法能够以较少的滤波迭代次数和处理时间获得视觉对比与量化评测指标上相似或更好的平滑效果,图像滤波结果表明,该方法在纹理去除效率和滤波质量上均具有优势.