学位论文 > 优秀研究生学位论文题录展示

基于成长型神经网络曲面重建及网格优化的研究

作　者: 王世东
导　师: 张佑生
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 计算机图形学 曲面重建 网格优化 成长型神经网络 自组织映射
分类号: TP391.7
类　型: 硕士论文
年　份: 2006年
下　载: 89次
引　用: 1次
阅　读: 论文下载
 

内容摘要


现在,应用三维扫描所得物体表面的散乱点集合进行曲面重建和重建后的网格优化,已成为计算机图形学领域的一个热门研究课题,其研究成果对于机械制造、医学诊断和虚拟现实等许多领域具有重要的实用价值。 曲面重建的传统算法如零集法、α-shape法和Voronoi法等,都取得了不错的效果。不过,零集法生成的近似曲面和真实曲面之间存在较大的误差,而α-shape法和Voronoi法生成插值网格曲面的网格密度大,所需存储空间大;且当散乱点的数量增大时,这些算法的处理速度迅速下降。网格优化的传统算法如边交换、边瓦解、边劈裂等只是对网格进行局部的优化,效果不是很好。因此,十分需要在这方面开展进一步的研究。 本论文的主要工作如下: 1、研究使用成长型神经网络的曲面快速重建方法。神经网络在处理输入数据时一次只采样一个点,计算速度独立于输入数据量,而且能很好地处理含噪声的数据,因而特别适合基于三维扫描散乱点集的曲面重建。这为基于学习的曲面重建方法开辟了一条新途径,具有广阔的应用前景。我们在曲面重建过程中采用线性组合的方式分裂节点,使用一种简化的方法计算节点的Voronoi区域面积用于分配新增节点的计数器值,并对生成的曲面作进一步的综合优化。 2、提出使用基于能量最小化的网格优化算法:对于给定的三维散乱点集合和初始三角网格,使用能量最小化算法对网格顶点位置优化,使网格更好地逼近三维散乱点。 3、提出一种新颖的网格综合优化算法:对某一形体表面的三维散乱点集给定一个初始三角网格,使用神经网络中自组织映射算法对网格顶点位置优化,使网格更好地逼近三维散乱点,使网格中节点的分布更符合散乱点数据的空间概率分布,并分裂网格中度数特别大的节点,使网格的空间形状更加平滑。 4、进行了曲面重建与网格优化实验,实验结果表明,上述算法可取得曲面重建与优化的良好效果,处理速度快。

全文目录


第一章 绪论  14-23
  1.1 引言  14
  1.2 曲面造型概述  14-19
    1.2.1 曲面造型种类  15-17
    1.2.2 几种新的曲面造型方法  17-19
  1.3 曲面重建和优化发展过程  19-21
    1.3.1 曲面重建  19-21
    1.3.2 网格优化  21
  1.4 本文的研究内容  21-23
第二章 网格重建原理与方法和SOM简介  23-41
  2.1 网格重建和优化过程  23-25
    2.1.1 数据采集  23-24
    2.1.2 数据处理  24
    2.1.3 网格重建  24
    2.1.4 网格优化  24-25
  2.2 网格重建的经典算法  25-27
    2.2.1 零集法  25-26
    2.2.2 a-shape法  26-27
    2.2.3 Voronoi法  27
    2.2.4 渐进网格法  27
  2.3 网格优化算法  27-29
    2.3.1 边交换、边塌陷、边劈裂算法  27-28
    2.3.2 空间三角形网格网格优化算法  28-29
    2.3.3 三角形网格网格综合优化算法  29
  2.4 SOM网络  29-40
    2.4.1 人工神经网络的发展与应用  29-32
    2.4.2 ANN基本结构与模型  32-33
    2.4.3 SOM网络  33-40
  2.5 本章小结  40-41
第三章 基于GCS的曲面快速重建算法  41-54
  3.1 成长型神经网络  41-44
    3.1.1 GCS简介  41-42
    3.1.2 GCS算法步骤  42-44
  3.2 基于GCS的网格重建  44-47
    3.2.1 基本思想  44-45
    3.2.2 基于GCS的网格重建算法  45-46
    3.2.3 算法特点  46-47
  3.3 改进后的快速重建算法  47-53
    3.3.1 Voronoi面积计算  47-49
    3.3.2 网格节点分裂方式  49-50
    3.3.3 网格重建过程中的优化  50-51
    3.3.4 改进后的网格重建算法  51-52
    3.3.5 实验结果  52-53
    3.3.6 结论  53
  3.4 本章小结  53-54
第四章 两种新颖的网格优化算法  54-68
  4.1 概述  54
  4.2 基于能量最小化的网格优化算法  54-63
    4.2.1 渐进网格  54-59
    4.2.2 网格优化算法  59-63
  4.3 网格综合优化算法  63-67
    4.3.1 概述  63
    4.3.2 网格优化模型  63-64
    4.3.3 网格综合优化算法  64-65
    4.3.4 实验结果与分析  65-67
    4.3.5 结论  67
  4.4 本章小结  67-68
第五章 结束语  68-70
  5.1 本文主要研究工作及创新  68
  5.2 研究展望  68-70
参考文献  70-74
攻读硕士研究生期间发表的论文  74

相似论文

  1. 面向股票价格指数多步预测的混合模型研究,F224
  2. 伊春市森林防火图像预测系统设计与实现,TP391.41
  3. 基于样本学习的有限元网格模型优化研究,TB114
  4. 膜蛋白跨膜螺旋结构预测研究,Q51
  5. 虚拟艺术的本质研究,J110.9
  6. 空间增强现实中实时建模相关技术的研究,TP391.41
  7. 基于核自组织映射的时间序列预测研究,O211.61
  8. 基于图形旋转系统的实体建模研究,TP391.41
  9. 二维图形加速器设计与实现,TP391.41
  10. 基于激光扫描数据的隧道曲面重建技术研究,U452.1
  11. 基于人工免疫网络的道路状况动态预测,TP18
  12. 三维形状画刷分割工具的研究,TP391.41
  13. 可变形三维模型设计与实现,TP391.41
  14. 一种任意多边形的裁剪算法,TP391.41
  15. LSA与SOM相结合的文本聚类算法应用研究,TP391.1
  16. 视频中运动目标检测与跟踪技术研究,TP391.41
  17. 基于Delaunay三角剖分与场表示的曲面重建,O186.11
  18. 义齿三维点云数据的精简及曲面重构的研究及应用,R783.6
  19. 正常阑尾的多层螺旋CT研究,R656.8
  20. 基于SOM神经网络的图像修复,TP391.41
  21. 基于样图的纹理合成算法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 机器辅助技术
© 2012 www.xueweilunwen.com