带噪声散乱数据的光滑曲面重构——变分水平集方法

来源 :计算机辅助设计与图形学学报 | 被引量 : 0次 | 上传用户:zxcvzo1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
带噪声散乱数据点的光滑曲面重构应用广泛,基于变分水平集方法提出一种求解该问题的新的能量模型,并由此能量得到一新的微分方程,该微分方程演化后得到的极限曲面即为要重构的光滑曲面.给出了一种快速建立初始曲面的方法,节约了重构时间;然后对该微分方程的初值问题运用水平集方法求解,其中的空间方向离散化采用本质无震荡或加权本质无震荡技术,时间方向采用具有高精度的TVDRunge-Kutta技术.提出一种变步长的TVDRunge-Kutta方法来重新初始化符号距离函数,保证了Runge-Kutta方法中每一欧拉步都
其他文献
时间匆匆而过.我在编辑岗位已经工作了近4年的时间,想起当初剐从记者岗位转换角色时,我并不能很好的驾御编辑这个岗位。电视节目编辑担任“把关人”的重要角色。在决定节目质量
近年来,随着科学的快速发展以及人们对环保和健康生活意识的提高,各种用于检测身体疾病和环境治理的技术被开发出来。众所周知,自然界的某些物质与离子,如SO_2、CO、Hg2+、Cl-等的异常水平不仅会污染环境,而且会对人的身体健康产生严重危害。因此开发出能准确检测这些物质和离子的技术已成为研究的热点。光学传感技术如发光(荧光或磷光)分子探针由于其低成本、操作简单、可视性强等优点得到研究者们的广泛关注。
针对人脸表情识别中Gabor特征向量的高维度信息冗余问题,提出了一个2层Gabor特征选择方法.该方法首先利用改进方差比率作为评估特征的区分能力对高维向量进行过滤,然后对过滤得到的特征子集进行Ad-aBoost特征选择,以挑选出最具区分度的特征,从而降低了Gabor特征的表示维度.实验结果验证了所提方法的有效性,在训练时间和识别性能两者之间取得了较好的平衡.