基于三维网格单元的等值面梯度抽取法

针对三维网格等值面抽取中存在的二义性问题,提出三维网格单元等值面梯度抽取法.本算法利用梯度在三维网格单元外表面计算等值点,勾勒等值面轮廓,而后以添加网格内等值点方式明确等值面在网格内部凹凸方向,提出映射后Delaunay三角面片提取法,在二维空间完成等值面抽取.为减少计算及绘制所需存储空间,采用调整步长及合并阈值的方法控制输出三角面片数量.实验结果证明,该算法可一次性抽取等值面准确轮廓,克服了Marching Cubes算法的二义性,生成面片可真实描述三维网格内部等值面走势,通过调整参数保证了等值面精度,降低了存储代价.     

结构分析可视化系统FEVS的设计与实现

详细阐述了ＦＥＶＳ系统的设计思想、系统结构、数据管理及其多种处理和显示数据场的方法；讨论了等值线、等值面及剖面的生成与实现算法．ＦＥＶＳ可用于对工程结构经有限元分析后所产生的非结构化三维数据场进行可视化处理．结果表明，该系统功能全面，使用方便，其算法具有通用性．     

结构分析可视化系统FEVS的设计与实现

详细阐述了ＦＥＶＳ系统的设计思想、系统结构、数据管理及其多种处理和显数据的方法；讨论了等值线、等值面及剖面的生成与实现算法。ＦＥＶＳ可用于对工程结构有限元分析后所产生的非结构化三维数据场进行可视化处理。结果表明，该系统功能全面，使用方便，其算法具有通用性。     

一种改进的MC算法

MC方法是医学图像三维重建常用方法.传统MC方法在计算中需遍历整个体数据场,而等值面只与部分立方体相交导致计算效率不高,对此已有相应的改进方法.但已改进的方法在计算过程中仍产生冗余多边形,使计算效率下降.笔者针对此问题提出了一种减少冗余多边形的进一步改进的MC方法,并根据该算法对CT数据进行三维重建.实验结果表明本算法与原改进MC算法效率相比有一定提高.     

基于MATLAB对两种三角化算法的分析

面绘制是一类三维空间数据场的可视化算法。它常需在三维空间规则数据场中构造等值面。最具代表性的等值面构造方法是Marching cubes。Dual cubes是另外一种等值面构造方法。本文将基于Matlab详细分析原始marching cube和dualcube算法。     

三维物理场中多等值曲面的快速绘制

在分析和研究三维物理场中多等值面可视化的基础上,提出了采用体绘制技术直接绘制多等值曲面的模糊算法,另外还做了3点改进:①优化了确定重采样点坐标的搜索方法;②选用三维双线性插值函数替代了常用的三维线性插值函数;③从实际出发,简化了光照模型的算法.从而,既加速了图形的绘制速度,又提高了画面质量     

基于MC算法的螺旋CT扫描数据的三维重建

在Marching Cubes(MC)算法的基础上，针对螺旋CT扫描数据的特点，提出一种改进的三维表面的快速绘制方法。通过使用体元描述表，并且对体元数据进行二值化处理，简化了数据，在绘制过程中，根据形体拓扑结构，优化了体元内部的等值面形成算法，提高了三维重建的速度和质量。     

三维规则数据场交互式可视化系统的研究与实现

三维数据场可视化是目前的一个研究热点问题,是一个多学科交叉的研究领域,其应用非常广泛。本文设计实现了三维数据场交互式可视化系统。该系统中,根据科学计算得到的体数据利用OpenGL绘制出了真实感图形。在体数据可视化的基础上,该系统实现了三维模型的交互式操作,实时生成体数据切片和体数据的等值面并显示。实际应用证明,该系统中所使用的相关技术和算法具有重要的实用价值。     

医学图像体分割的特征聚类算法

为提高三维医学数据场的分割效率和准确率,本文利用特征聚类技术,提出了一种新的基于改进K-means聚类的三维医学数据场的体分割算法.根据医学数据的物理意义和医学特征分析,对数据场进行预处理,以加快后继处理速度;分析推导了基于改进K-means聚类的分割算法,并改进了算法采样技术,减少需要计算的像素数目以进一步提高处理速度.实验结果表明本算法不仅能够提高三维医学组织的聚类分割精度至96％,而且能够提高66％的模型处理速度.     

有限元分析后处理程序中的等值面生成算法

针对有限元分析数据场的特点，提出了一种四面体部分方法，并采用了一种快速搜索的数据结构，显著地减少了计算时间，有效地实现了有限元后处理程序中的等值面生成。实例表明，该方法适用于数据场稀疏，不规则并且具有多种体单元的有限元模型，能够保证等值面生成的拓扑一致性和正确性。     

利用轮廓分形区别人工目标与自然物体算法研究

根据人工目标和自然物体的固有差异，提出了一种在轮廓链码基础上提取轮廓粗糙性曲线的算法。在实际得到的水杯，车辆及岩石图像中，利用Ｖａｒｉａｔｉｏｎ算法进行了计算物体轮廓粗糙性曲线分维的实验。实验表明，水杯及车辆轮廓的分形维数较低，岩石则具有较高的分形维数，通过同二维结果的对比，从计算量的分形维数两证明用所提出的算法计算轮廓分形维数区别人工目标和自然物体是可行的。     

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.     

面向快速原型的数据处理与三维造型一体化软件系统

基于MDT软件环境，开发了面向快速原型（RP）的数据处理与三维造型一体化软件系统．首先对系统的集成框架进行描述，然后在深入研究MDT软件平台下CAD模型数据的内部表达方法以及拓扑信息和几何信息提取方法的基础上，运用基于网格划分的曲面与平面求交原理，构造并实现了一种法矢和面积双重判据的自适应直接分层算法．按照所提出的新型二维层片数据文件格式，运用VC＋＋6．0和MDT软件应用程序开发接口，对MDT软件进行二次开发，从而实现了CAD造型与RP数据处理的无缝集成．研究结果表明，该系统具有良好的柔性和实用性，可有效提高快速原型制件质量和简化数据前处理的过程。     

高速列车司机室复杂曲面制造质量评价

为了准确评估高速列车司机室复杂曲面的制造质量,从尺寸精度、表面轮廓和表面光顺性3个方面对其曲面进行评价.在利用分割逼近法计算尺寸精度、使用高斯曲率与反射线分析光顺性的基础上,提出利用变形一致度与相似度反映曲面轮廓的变形规律及微观几何特征的分析方法,采用模糊数学方法对光顺性的主观评价结果进行量化,运用加权逼近理想解排序方法对评价指标进行综合分析,获得曲面制造质量的综合评价模型,并用于实际高速列车司机室曲面的制造质量评价.结果表明,该方法和模型能够有效地量化司机室实际曲面的制造质量,为其验收及后期诊断和控制提供必要的基础数据.
     

基于特征加权与核主成分分析的掌纹识别

针对掌纹采集受外界因素和噪声的影响较大, 传统方法掌纹识别率低、 鲁棒性差等问题, 提出一种基于特征加权与核主成分分析的掌纹识别算法. 首先采用Curvelet变换对掌纹图像进行分解, 得到不同尺度和角度的轮廓系数, 并对Curvelet系数进行加权融合操作; 然后通过核主成分分析对掌纹特征进行降维处理, 实现特征提取; 最后采用相关向量机实现掌纹匹配, 并采用PolyU掌纹图像对算法的性能进行测试. 结果表明, 与其他掌纹识别算法相比, 该算法取得的掌纹识别率更高, 且掌纹匹配的时间最短, 可以满足掌纹实时识别要求.     

基于CNN-SVM的调制方式识别优化算法

信号调制方式识别在通信领域是一个研究热点,针对目前已调信号分类识别率受噪声的影响较大的问题,提出一种基于CNN-SVM的调制方式识别算法.该算法对不同已调信号做循环谱估计,生成相应的循环谱图,并截取等高截面图作为特征图,然后借助卷积神经网络提取相应的特征,并采用t分布邻域嵌入算法对特征值降维处理,最后输入到支持向量机对已调信号进行分类识别.经实验仿真,当信噪比高于-2 dB时,算法识别率高于96%,证实了该算法具有很好的识别效果.     

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.     

几个n维Euclid空间概念与定理

解析几何中介绍了三维Euclid空间中点、直线、平面的概念及关系,通过把三维Euclid空间中向量的数性积、矢性积与混合积等推广到n维Euclid空间的情形,研究了n维Euclid空间中向量间的关系,以此为基础,推广了点、直线、平面的概念,尤其给出了n维Euclid空间中关于点、直线、平面的几个重要关系定理,为线性规划的几何算法研究打下了理论基础.     

一种新型的自适应多核学习算法

针对样本基数较大、 维数较高、 特征较复杂的数据集训练问题, 将支持向量机与蚁群优化算法相融合, 提出一种自适应多核学习算法. 利用吸引子传播聚类算法自适应地发现相似特征, 并据此利用蚁群算法自适应地选择核函数参数, 从而快速选择最优核函数. 通过UCI数据集的5组数据实验表明, 该算法相比于传统的支持向量机分类准确率和F₁值更高, 验证了该算法的有效性和可行性.     

RBF neural network and active circles based algorithm for contours extraction

For the contours extraction from the images, active contour model and self-organizing map based approach are popular nowadays. But they are still confronted with the problems that the optimization of energy function will trap in local minimums and the contour evolutions greatly depend on the initial contour selection. Addressing to these problems, a contours extraction algorithm based on RBF neural network is proposed here. A series of circles with adaptive radius and center is firstly used to search image feature points that are scattered enough. After the feature points are clustered, a group of radial basis functions are constructed. Using the pixels’ intensities and gradients as the input vector, the final object contour can be obtained by the predicting ability of the neural network. The RBF neural network based algorithm is tested on three kinds of images, such as changing topology, complicated background, and blurring or noisy boundary. Simulation results show that the proposed algorithm performs contours extraction greatly.