多分辨率网格的数据压缩

针对任一个三角形网格模型，按其简化顺序，对其三角形表数据进行重新排列，将其直接构造成一个多分辨率表示，构造的多分辨率表示与单分辨率表示完全一样，其存储空间是原模型的存储空间100％，达到了多分辨率表示存储空间的下限，实现了多分辨率表示与单分辨率表示的统一。进一步地，对多分辨率模型的三角形表数据的存储空间再进行压缩。实验表明：压缩后的三角形表数据的存储空间是压缩前对应的存储空间的70％，比单分辨率表示方式还简单、省空间。本文的多分辨率表示的构造方法及数据压缩方法非常简单，适合一般的三角形网格模型。     

多分辨率三角形表及其应用

一个网格模型的多分辨率表示由原模型信息与附加的多分辨率信息组成,由于两者独立存储,所以每次使用一个模型的多分辨率表示时,必须由原模型重新生成。给出了一种网格的多分辨率表示,支持模型渐渐简化、渐进细化及渐渐传输。还给出了这种多分辨率表示的构造方法,通过重新排序网格的三角形表与顶点表的元素,将所有多分辨率信息熔入三角形表之中(称为“多分辨率三角形表”)。由于没有增加任何额外变量,“多分辨率三角形表”仍是原网格的三角形表,一旦被生成后,可以被直接反复地使用。     

STL模型的立体显示及其多屏拼接

介绍了基于微机的多通道STL模型交互式立体显示系统。首先由程序提取STL文件三角形面片以及向量坐标信息,进行数据冗余处理和顶点向量的光滑处理,并通过OpenGL生成可视化的STL三维实体模型。利用偏振光叠加的方法实现立体显示功能,提出了以网络同步功能为基础的多通道多屏拼接方案,开发了基于SpaceBall的交互功能,实现对STL模型的位置及姿态进行控制。作为低成本的虚拟现实系统,该系统方案可应用于多种领域。     

多分辨率模型系中的一致性问题研究

在多分辨率建模中，保证不同分辨率模型之间的一致性是多分辨率建模的重要任务之一。首先提出了多分辨率模型系的概念和多分辨率模型系中模型间一致性的概念。在此基础上从仿真分析层、I／O层、状态层和结构层等四个不同层次上研究了不同分辨率模型之间的联系，给出了不同层次上模型之间一致度的计算公式。     

一种基于曲面细分的大规模地物建模方法

结合纹理特征曲线和高程数据,提出了一种曲面细分的算法来构建多分辨率地物模型.将地物表面的高程信息和提取该高程信息的特征值数据映射到三角网格纹理中,该算法给出了一种三角边与纹理特征曲线相交的三角面分裂方法构造自适应细分三角网格.通过设计细分三角网格的二叉树数据结构和开发测试程序进行测试,表明该算法具有建模速度快、保持几何特征较好的特点,可以满足在PC机上实现地物模型的大规模建模和实时交互显示要求.     

基于DEVS的多分辨率建模形式化描述规范研究

随着分布交互式仿真技术的发展，多分辨率建模成为建模与仿真的关键技术之一。提出了一种多分辨率模型系的概念，并分析了多分辨率模型系的重要性质。多分辨率模型系描述了同一实体的不同分辨率模型之间关系。在多分辨率模型系和DEVS描述理论的基础上提出了一种多分辨率模型系统的形式化描述规范MRMS，证明了该规范的重要性质，尤其是它的耦合封闭性。在MRMS的基础上，可以进一步深入开展多分辨率建模的理论和实现研究。     

一种模型分辨率的定量度量方法

多分辨率建模是复杂大系统建模与仿真的关键技术之一，目前相关的研究主要采用了定性分析的方法。随着仿真技术的不断发展，这些定性分析方法已成为进一步研究的瓶颈，提出了定量分析模型分辨率的需求。在深入研究模型性质的基础上，建立了模型分辨率的定量描述概念，提出了一种具有方向性的基于描述的细节层次和详细程度的分辨率定量度量方法，并以一简化的气象模型为例说明了其应用。最后通过理论分析和推导，证明了该度量方法的合法性。     

一种新的连续多分辨率模型自动生成算法

提出了一种新的多分辨率模型自动生成算法，该方法所采用的基于顶点合并的网格简化算法不仅能减少模型中的三角形数目，而且能很好地保持模型扑拓结构。算法采用基于点到平面距离的误差控制方法，能根据用户指定的简化率通过原始网格中的顶点合并达到大量简化的目的。本文还给出了一种基于顶点合并／分裂的累进网格的构造方法。该简化算法具有良好的保真性 并能在绘制时动态产生多分辨模型。文中给出的一组实例说明了该算法的有效性。     

扩展真实结构模型模拟植被冠层半球图像

半球成像技术是植被冠层结构非接触测量方法中的重要手段之一,但是在提取针叶林等复杂植被结构参数方面精度较低。目前,利用多波段计算和多相机比对来提高精度成为研究热点。由于仪器和环境条件限制,地面试验较为困难,因此开展半球图像模拟试验非常必要。目前的模拟研究仅集中在可见光波段,且多考虑单次散射,因而不适应多波段的模拟需求。基于球形投影和画家算法,对计算机真实结构模型RGM进行了扩展,充分考虑多次散射,实现了可见光、近红外和热红外多波段植被半球图像的快速模拟。模拟实例显示,扩展模型能有效而逼真地模拟不同类型冠层下方的不同波段的半球图像,并在可见光波段模拟出较好的太阳和天空效果。该扩展模型将为植被冠层结构测量和遥感反演研究提供有利支撑。     

水下地形的构建与可视化

与陆地地形建模相比，水下地形的多分辨率建模是一个逆向的过程，它通过较为少量但非常有价值的数据来建立水下地形的拓扑结构。本文提出了一种对地形原始三角边的参数曲线描述方法，在此基础上根据对原始三角形的兴趣值通过分形的方法进行细化，研究实现了不同细化程度的相邻三角形公共边上的无缝连接，并开发实现了基于OpenGL的水下地形可视化应用系统。     

小波多分辨率表示在三维体数据可视化中的应用

利用三维体数据的小波多分辨率表示,提出了一种由粗至精显示指定剖面的方法,利用这一方法可在低分辨率下快速"浏览”以便找到感兴趣的剖面,然后进入较高分辨率下的显示,直到最高分辨率剖面的显示.实验证明了这一方法的可行性.     

Concise representations for association rules in multi-level datasets

Association rule mining plays an important role in knowledge and information discovery. Often for a dataset, a huge number of rules can be extracted, but many of them are redundant, especially in the case of multi-level datasets. Mining non-redundant rules is a promising approach to solve this problem. However, existing work (Pasquier et al. 2005, Xu & Li 2007) is only focused on single level datasets. In this paper, we firstly present a definition for redundancy and a concise representation called Reliable basis for representing non-redundant association rules, then we propose an extension to the previous work that can remove hierarchically redundant rules from multi-level datasets. We also show that the resulting concise representation of non-redundant association rules is lossless since all association rules can be derived from the representation. Experiments show that our extension can effectively generate multilevel non-redundant rules.     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

基于子波变换的纹理图像分割

本文针对纹理图像的特点,提出了基于主能量通道子波变换的纹理图像多级分割方法。该方法以最大能量为线索,建立起由细到粗的多分辨率子波分解金字塔,分割按照其逆过程,即由粗到细,每个分辨率上分割特征的优化选择、分割方案—模糊Ｃ聚类的确定,都有利于纹理图像的分割,最后由低向高传递分割结果,从而得到较精细的分割图像。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

紧凑的累进网格数据格式及其网络传输

以基于三角形折叠的三角网格简化算法为基础，给出一种支持三维模型数据累进传榆的数据存储格式，并讨论了该格式在网络环境下的数据压缩问题。该方法首先记录网格简化过程中网格局部的连通性（Connectivity）修改信息，并通过对原始网格中的顶点和面片进行重新排序．生成了由基网格和累进记录序列组成的累进网格数据格式；通过对累进数据格式中的连通性信息进行哈夫曼编码，以及顶点数据的区段离散化，实现了网格拓扑信息的无损压缩和可以预测精度的几何信息压缩。结果显示，利用紧缩的累进数据格式，可自由地实现任意三角网格模型连续分辨的变进或变出，并且相关编，解码过程简单、快速，模型数据的压缩比较高。该数据格式及其数据压缩方法可用于三维模型的压缩存储和网络传输。     

基于双谱-谱图特征和深度卷积神经网络的HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别中有效表示和特征提取这一关键问题,提出了基于双谱-谱图特征和深度卷积神经网络(deep convolution neural network, DCNN)的识别方法。首先,提取HRRP的双谱-谱图特征表示作为CNN的输入。然后，通过网络训练提取出深层本质特征,实现对雷达目标的识别。最后，对不同特征表示的识别结果进行对比。采用卫星目标实测数据进行实验，结果表明,该方法可以准确有效地识别雷达目标,而且与其他常用特征表示相比,双谱-谱图特征表示具有更好的识别准确率和噪声鲁棒性。