三角网格模型体素特征分割

针对现有机械制造领域网格模型分割结果缺少工程含义的现状,提出了一种三角网格模型体素特征分割方法。首先在对三角网格模型分割的基础上,对由网格分割得到的每个子网格进行曲面类型识别,然后在基本体素及典型结构显著特征表示的基础上,把识别出的曲面集合与基本体素及典型结构进行匹配,从而将分割结果分类为自由曲面、基本体素和复杂体素,实现具有工程含义的体素特征分割。该方法可以降低模型重构的难度,加快模型重构的速度。     

基于空间分解的三角网格模型求交方法

三角网格模型间的求交问题是计算机辅助设计与制造领域的关键问题之一.分析了已有空间分解技术和包围盒方法等的优缺点,并在此基础上提出了改进的空间分解求交方法. 该算法能够精确定位三角形所占的空间网格,一定程度上减少了需要求交的三角形的数量.实验的结果表明,改进的算法提高了采用空间分解进行三角网格求交的计算效率.     

基于平均单元格的三角网格曲面快速求交算法

在地质建模中,当待处理的曲面包含大量三角形时,求交速度成为了瓶颈。该文提出基于平均单元格的三角网格曲面快速求交算法,采用平均单元格技术对求交曲面进行预处理,以加快相交元素对的获取。实验结果表明,与同类求交算法相比,该算法能够有效提升求交速度,并已成功应用于某地质建模软件中。     

一种提高三角网格模型求交效率的算法

层次包围盒求交算法在求交过程中需要不断分裂包围盒,从而降低了求交效率。针对上述问题,利用该算法可以快速排除不相交三角面片的优点,提出一种更高效的求交算法,通过直接定位2个求交模型可能相交的部位,高效地排除大量不相交的三角面片,得到 2个模型的交线。     

利用CUDA快速计算三角网格模型简化误差

提出从整体上考虑三角网格模TJ的简化误差的方法.该方法综合考虑了三角网格模型上所有采样点对误差的贡献,较以往方法只考虑最大误差更加准确.利用CUDA实现了高度并行化的网格模型简化误差计算算法.算法采用平均单元格来组织三角片,以便快速空间查询.同时设计了相应的数据结构,克服了CUDA没有指针、不能动态申请资源、尽量避免同步操作等问题.最后通过实验证明了本算法在速度和数据量上的优越性,并且阐述了GPU相对于CPU在高性能计算上的优点.     

图形处理器上地质模型的快速体素化

基于图形处理器(GPU)上的多目标缓存提出了一种新的地质模型快速体素化算法,可以在GPU上绘制模型的过程中在像素着色器中利用多目标缓存上的逻辑或操作完成模型表面体素化处理,在后处理的屏幕绘制过程中对模型内部进行体素化填充,极大地提高了计算速度,使得大规模地质模型可以在常见GPU平台上得以实时体素化,可以较好地处理模型内部的空腔等问题。针对算法在模型相近表面或微小凹凸处会产生错误的情况,设计了一种基于逻辑异或操作的实体体素化改进算法,使其结果更为快速准确。     

改进的基于欧氏距离测度网格模型体素化算法

在基于到网格多边形表面的法矢量函数作为距离标准的体素化算法的基础上,提出以多边形面的最小包围盒作为计算单元,以欧式距离作为测度实现网格模型的体素化,极大地提高了计算速度,使得只能在图形工作站上实现的算法在微机平台上得以实现．针对通常采用Flooding操作判断内外体素、但应用于存在封闭空腔的模型时将会产生错误的情况,设计了一种根据体素标志位序列判断内外体素的算法．     

面向CAE 的STL 模型三角网格均匀化

提出了一种基于STL数据的有限元网格再生成算法,该算法主要用于CAE工程分析.鉴于CAD模型的网格特征形态不匀称,分布不均匀的特点,对CAD模型进行网格再生成,使其符合CAE工程分析的要求.算法主要由拓扑建立、网格聚类、网格重采样和三角化四部分组成.实验表明该算法能够有效降低三角网格最长边和最短边的比值,使得模型的网格特征形态趋于均匀.     

三角网格的参数化

参数化变形的大小是衡量参数化好坏的标准．基于这个标准,分别从平面参数域和球面参数域对各种参数化方法的保面积性、保角性和等距性进行深入的讨论,并从算法的理论基础、运算时间复杂度、适用范围和数值实现方法等方面作了详细的比较和论述．最后,结合作者在本领域的研究工作,对参数化方法的研究趋势作了一个展望．     

基于三角域快速行进法的地震波走时计算

地震波走时计算是地震资料解释处理技术的重要组成部分,本文根据复杂地层构造中速度场分布的特点,设计了一种采用快速行进法基于三角网格的走时计算方法,针对计算效率优化和快速行进法在三角域上的计算格式进行了重点的研究,并根据地层限定条件对速度场进行网格剖分,在三角网格上用快速行进算法计算各点走时。与基于矩形网格的差分方法相比,该方法不需要对速度场边界进行任何平滑,无须通过细分网格来提高计算精度 可根据不同地质构造的复杂度进行变网格大小的剖分,网格剖分数目相对较少。最后通过计算实例进行了验证。     

建立多精度三角网

多精度三角网可用于数据压缩及进行不同细节程度的２．５维分析处理,现有建立多精度三角网的算法功能单一,不能满足随时改变精度的要求。该文给出了一套完整的建立多精度的三角网的算法,包括建立基本三角网,在三角网中增加点和删除点等。并且实现了两个运行版本,一个可建立指定精度的三角网,另一个可在运行中     

不规则三角网数据结构的研究

不规则三角网是用业表达连续表面的主要数据结构之一,由于ＴＩＮ的特性,用ＴＩＮ表示表面具有明显的优点,因此如何组织ＴＩＮ的数据结构十分重要。本文提出了一种有效的ＴＩＮ数据结构的设计方法。     

新的图像几何矩快速算法

矩技术作为一种有效的图像描述方法,在图像分析方面有着重要应用,但由于涉及大量计算,在一定程度上制约其应用.提出一种新的基于GPU的快速计算方法,它首先将图像加戟成纹理,然后在像素着色器中利用GPU内核同时对多个像素进行处理,快速计算所需矩值.实验结果表明,与当前的直接法和对称核快速算法相比,文中提出的算法可有效节省计算时间,尤其在图像尺寸较大及所使用的矩的阶数较高的情况下,计算性能更优.     

一种基于拓扑搜索的三角网求交算法

在地质构模以及各种地下工程设计等三维表达、分析领域,大规模的复杂三角形网的求交计算是三维表面模型建模的一个关键算法。根据三角形网中相邻三角形之间的拓扑邻接关系以及交线的连续性,提出了一种基于拓扑搜索的三角网求交算法。该算法引入空间辅助网格对原始三角网中的三角形进行筛选,并在候选三角形集合中依次追踪、计算构成交线的交线线段,在获得每个交线线段的同时完成了线段之间的连接。实验表明,该算法不仅效率高而且可靠性好。     

TurboPixels: Fast Superpixels Using Geometric Flows

We describe a geometric-flow-based algorithm for computing a dense oversegmentation of an image, often referred to as superpixels. It produces segments that, on one hand, respect local image boundaries, while, on the other hand, limiting undersegmentation through a compactness constraint. It is very fast, with complexity that is approximately linear in image size, and can be applied to megapixel sized images with high superpixel densities in a matter of minutes. We show qualitative demonstrations of high-quality results on several complex images. The Berkeley database is used to quantitatively compare its performance to a number of oversegmentation algorithms, showing that it yields less undersegmentation than algorithms that lack a compactness constraint while offering a significant speedup over N-cuts, which does enforce compactness.     

基于Hopfield神经网络的交叉线识别算法

提出了一种利用Ｈｏｐｆｉｅｌｄ神经网络进行交叉线识别的算法。在本算法中，一个含有交叉线的图象被映射到Ｈｏｐｆｉｅｌｄ神经网络之上，每一个象素与一个神经元相对应，神经元间的权重由其对应的象素间的关系（包括距离、斜率等）所决定。在Ｈｏｐｆｉｅｌｄ神经网络的收敛过程中，神经元的状态根据一定的规则不断地被调整直到收敛；同时随着神经元状态的确定，交叉线段也被识别出来。在实验模拟中，此算法显示了优越的性能。     

距离交会算法在无线传感网络节点定位中的应用

Knowing the locations of nodes in wireless sensor networks (WSN) is essential for many applications. Nodes in a WSN can have multiple capabilities and exploiting one or more of the capabilities can help to solve the localization problem. In this paper, we assume that each node in a WSN has the capability of distance measurement and present a location computation technique called linear intersection for node localization. We also propose an applied localization model using linear intersection and do some concerned experiments to estimate the location computation algorithm.     

基于调和模型的快速神经网络图像复原算法

针对传统神经网络图像复原算法在复原过程中模糊图像边缘,收敛速度慢等不足,提出一种基于调和模型的快速神经网络图像复原算法.在该算法中,图像复原模型的正则化项采用调和模型,并在每次网络状态更新时引入最陡下降方法,使得网络能量迅速减小.实验表明,提出的算法能够很好复原图像的边缘特征,并具有快速收敛等优点.