一种用于实时可视化的海量地形数据组织与管理方法

针对海量地形数据实时可视化，提出了一种瓦片金字塔模型和线性四叉树索引相结合的地形数据组织方法，利用视景体裁剪、基于分辨率测试的目标瓦片快速搜索算法和瓦片请求预测机制实现了场景数据的动态管理。实验结果表明，该研究成果能够实现真实感海量地形数据的实时可视化与交互操作。     

一种基于特征的实时LOD模型生成算法

在虚拟现实系统的复杂场景中为了加速复杂场景绘制，一般采用层次细节(Level of Detail)模型的方法。一般的LOD方法主要基于几何外观决定形体被简化的部分和简化程度。针对某些特定应用，提出了一种基于特征的LOD模型生成算法，以对某种特征的度量值为权重对几何特征进行调制，在简化后的模型中充分保留了该特征。算法简单直观，所生成的LOD模型能连续平滑过渡，并且满足实时显示的要求。实验结果表明了算法的有效性。     

LOD算法在3D地表模拟中的应用研究

在大型可视化系统中需要对3D场景进行简化以获得理想的视觉效果和处理速度,层次细节技术是其中较为有效的算法之一,它能在保持较好的视觉效果的同时,减少数据量,提高系统的运行速度.通过介绍一个三维仿真系统中地表的生成过程,描述了层次细节技术中四叉树算法的实现方法,分析和验证了它的简化效果.     

一种大规模草地的建模与实时绘制技术

大规模草地的建模与实时绘制技术是三维场景可视化的重要组成部分，通过利用草丛模型构建草地，提出基于四叉树的草地模型表示方法，该模型表示方法能大幅度的降低草地模型的复杂度和数据量；同时，基于此模型，在实时绘制时以草丛为单位，利用两草丛间的距离在屏幕上的投影对草地模型进行动态简化，从而大幅度的减少所需绘制的多边形数量，提高草地的实时绘制速度。     

基于四叉树剖分的LOD地形绘制算法

针对三维游戏中室外场景渲染消耗内存大、效率低的问题,提出了一种基于四又树剖分的LOD(层次细节)地形绘制算法,实现了地形多分辨率网格绘制.采用将共事顶点唯一存储的四又树网格表示方法,并利用过程纹理合成技术实现地形的多纹理映射,模拟地表多种地貌混合的真实效果.实验结果验证了本文算法在内存占用、绘制速率和真实感上都优于Lindstrom算法.     

一种基于现代GPU的大地形可视化算法

地形渲染在计算机游戏,飞行模拟和视景仿真等领域的应用越来越广泛,随着渲染场景复杂度的增加,每次需要绘制的地形数量也越来越庞大。同时,新一代的显卡绘制能力的不断增强,原有的许多地形渲染算法已经不能很好的满足用户需求。在总结现有算法的基础上,提出了一种基于现代GPU的地形渲染算法。该算法同样使用高程图作为地形数据,将地形分成很多小块,每次渲染时以块为单位,所有小块使用四叉树组织成一个层次化结构,不同层次的节点代表了不同细节层次的地形范围,并且采用了与Mipmap类似的细节简化方式,渲染时不需要对分块重新简化。为了保证CPU和GPU的负载平衡,将一些复用率高的地形分块缓存到显卡中,大大降低带宽需求。实验证明该算法可以更为充分利用图形处理器的加速能力,既能满足渲染精度要求也能达到一个较高的帧率。     

一种基于顶点纹理的LOD地形渲染算法

Shader Mode 3.0引入的Vertex Shader Fetch是GPU可编程图形渲染技术发展的又一重要进展,基于该技术提出了一种新的地形渲染算法.算法主要特点是将地形高程数据组织成单通道纹理存放于显存,用于支持视点跟随的LOD地形渲染.绘制阶段,CPU端只需输入平坦的嵌套状的网格,GPU端首先根据当前视点参数计算该网格顶点的实际二维位置坐标,使用该坐标从地形纹理中采样出该顶点的高程值,这样平坦网格的顶点获取到实际的三维坐标值,图形渲染管线将继续处理直至输出显示.如此安排绘制流程可以彻底消减CPU计算负载,转而充分运用GPU高数据处理能力和可编程特性.实验表明,使用本算法绘制地形,效果逼真、绘制效率大大高于传统LOD地形绘制算法.     

一种快速生成预定地形高程数据的方法

针对分形、Perlin噪声不能精确生成预定地形高程数据的问题,先使用分形和高度面结合的生成方法在一定程度上控制生成地形的形状,接着利用一种基于二维高斯分布曲面的变形方法对地形进行变形,然后建立变形的目标函数和搜索空间,用四又分割树来减少搜索空间,并利用模拟退火法搜索出满意解来实现对预定地形高程的生成.最后提出一种基于顶点影响力分层的算法改进搜索效率,仿真实验表明,该方法快速有效的生成了预定地形.     

"嫦娥一号"任务全球地形实时仿真技术研究

针对"常娥一号"任务中航天器绕地球快速漫游的需求,设计了一种全球地形实时仿真技术.该技术采用建立静态层次细节模型和连续层次细节模型相结合的方法.运用逻辑四叉树结构组织全球海量数据的静态层次细节模型,满足海量地形数据的快速访问,并设计了数据更新算法,用以更新不同时相的地形数据;设计可见区域多细节层次数据块的快速确定算法实现全球地形的实时漫游,运用动态缓存调度策略提高了地形的绘制速度.实验表明,运用该技术实现了微机上全球地形的实时漫游.     

虚拟漫游中替身步行浏览模式的三维地形跟踪算法的研究与实现

研究了虚拟漫游环境中人物替身在步行浏览模式中的三维地形跟踪技术,提出了一种新的三维地形跟踪算法。该算法采用了四叉树预处理技术,多次使用了长方体代理造型以简化运算,实用结果表明,算法具有速度快、精度高、适用性强等特点。     

一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

一种改进的原子搜索算法

原子搜索算法(atom search algorithm,ASO)是模仿自然界中原子运动而提出的一种新型优化算法,针对ASO在求解复杂函数时存在易早熟及收敛速度慢的问题,提出了一种改进ASO算法(improved atomic search algorithm,IASO)。IASO加入了原子个体历史最优解产生的约束力来修正ASO的加速度,增强全局搜索能力。自适应更新2个乘数系数来协调算法的全局搜索和局部开发能力。适时采用高斯变异策略来重新更新原子位置,提高跳出早熟的能力。对14个基准函数进行仿真实验,对比其他算法,IASO在收敛速度、收敛精度方面表现出优越的性能。     

一种改进的自适应遗传算法

提出的自适应遗传算法采用群体的最大适应度fitmax、最小适应度fitmin、适应度平均值fitave 这 3个变量来衡量群体适应度的集中程度 ,然后根据适应度集中程度 ,自适应地变化整个群体的交叉概率pc 和变异概率pm ,改进了M .Sriniras提出的自适应遗传算法。采取最优保存策略来保证最优个体不被大的pc和pm 破坏掉。并用无放回余数随机选择算子 (RSSR选择算子 )对基本选择算子进行了改进 ,选择误差比较小。将自适应遗传算法用于图像分割的试验结果表明 ,与基本遗传算法相比 ,由于该算法综合考虑了“快速收敛”和“全局最优”这两个要求 ,因此它不仅能得到较好的分割质量 ,而且基本保持了遗传算法的运算速度 ,利于硬件实现     

一种改进的实信号IFFT算法

由于重量轻、体积小、功耗低、功能强的小卫星工作在无人干预的低温 ,高辐射的空间环境中 ,因此星上计算机系统必须满足集成度高、寿命长、可靠性高、抗辐射能力强的要求。针对立体测绘小卫星的特点 ,我们设计了满足上述要求的集集中控制与分布控制优点于一身的星上计算机系统 ,对其可靠性进行了分析 ,并对提高其可靠性应采取的关键技术进行了简要的论述。     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

求解连续函数优化问题的改进蚁群算法及仿真

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径.     

An Improved Algorithm of Harmonic Mean Filter

Rafael C. Gnzalez has mentioned an algorithm on adaptive local noise elimination filter in the book named Digital Image Processing. This paper points out the algorithm＇s deficiency and presents an improved harmonic mean filter algorithm which makes mean square error emse cutting quarter but SNR, SNPm and PSNR increasing a tenth more than original algorithm. This filter algorithm is verified to be effective by simulation experiment.     

一种改进的RBF神经网络学习算法

提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性