导读:本文包含了体素表面论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:表面,模型,网格,工业,精度,计量学,图像。
体素表面论文文献综述
王浩[1]（2019）在《基于Kinect V2深度图像流的快速体素哈希表面重建算法》一文中研究指出叁维模型的快速重建是制约计算机图形学和虚拟现实技术发展的瓶颈问题。传统的叁维重建技术存在数据获取设备昂贵、数据获取过程复杂、数据量大导致的叁维重建效率低下等问题。近年来,随着计算机视觉与图形学技术的发展和相关硬件设备性能的不断提升,其中深度相机如微软的Kinect可低成本快速获取场景中的深度流数据用于视频游戏、医学治疗及实时叁维重建等领域,具有广泛的应用价值。因此,本文采用低成本Kinect V2深度相机,研究基于体素哈希的深度图像流快速表面重建方法,将基于MD4加密算法的哈希函数应用到快速表面重建中,从而实现叁维表面数据的实时存储和更新。论文主要完成以下3方面的工作:(1)基于Kinect V2的实时数据采集实验平台的搭建与深度图像流数据的获取。首先采用Kinect V2搭建数据采集平台实时采集室内场景深度图像流,并将深度图像逐渐融合到叁维模型中,以满足重建过程中高帧率连续深度数据的需求。实验结果表明,在室内场景中,搭建的基于Kinect V2的数据采集平台获取到的深度图像在不同距离处的误差几乎是恒定的,且获取的深度图像流的帧率可以达到30帧/秒(frames per second),采集的深度数据可满足后续研究的需求。(2)提出一种基于MD4(Message Digest Algorithm 4)算法的哈希函数用于提高数据访问效率,并采用分离链接法有效解决了数据冲突问题。传统的体素哈希表中存储的深度数据易发生冲突,导致数据存储慢,最终影响重建速度及重建规模。MD4算法在密码学领域中由于其计算效率高,具有良好的抗冲突优势得到了广泛关注及应用,受MD4算法在上述两方面的启发,本文引入了基于MD4算法的哈希函数用于提高数据查找、更新和插入效率,同时采用分离链接法解决映射到同一位置的数据冲突问题,该方法通过将每个桶中插入一定数量的哈希条目来解决映射到同一位置的冲突问题,若桶被占满,则通过线性探测下一个可用位置存放发生冲突的数据。结果表明,哈希表的负载率可以达到95.12%,成功查找并插入数据平均仅需1.3次,可满足实验要求。(3)研究了基于体素哈希表的快速表面重建方法。首先将获取到的深度图像流进行预处理获取到相机的位姿,然后根据输入深度图像分配新的体素块,并将体素块的描述符插入到哈希表中,接下来在融合步骤中,更新落入当前视场内分配的体素块,根据获取到的新的深度图像融合到当前可见的体素块数据中,并进行更新。最后,通过光线投射来提取包含相关颜色的等值面。论文主要研究了基于深度图像流数据的快速表面重建方法中哈希函数和哈希表的设计,实验结果表明,本文基于MD4提出的方法可快速实现室内场景的表面重建,渲染帧率可以达到25~35帧/秒,与微软KinectFusion实验结果相比,在重建细节方面更精细,与Voxel Hashing算法相比重建效率提升8%左右。与传统的体哈希表模型相比,本文采用的哈希表占用的内存空间仅为40M左右,从而减小了内存溢出的风险,具有良好的扩展性,能够满足自动化建模领域的应用需求。(本文来源于《西北农林科技大学》期刊2019-05-01）
王倩楠,张静娜,张晔,李鹏岳,桑林琼[2]（2018）在《基于体素形态学和表面形态计量学MRI观察肌萎缩侧索硬化患者大脑结构改变》一文中研究指出目的探讨肌萎缩侧索硬化(ALS)患者大脑形态结构的改变,以期寻找有效的早期诊断影像学标记。方法采集27例临床确诊ALS患者(ALS组)和27名健康志愿者(对照组)的3D-T1W脑结构像,分别以基于体素形态学(VBM)和基于表面形态计量学(SBM)方法对全脑结构进行分析。将2种算法得到的ALS组有显着差异脑区的灰质体积与临床修订版ALS功能评分量表(ALSFRS-R)评分分别进行相关分析。结果 VBM分析结果显示,与对照组比较,ALS组双侧中央前回、左侧背侧丘脑、右侧辅助运动区、左侧中央沟盖、双侧中央后回等运动相关脑区灰质体积显着减小,双侧额叶、颞叶、枕叶及海马旁回等运动区以外的脑区灰质体积亦缩小。SBM分析结果显示,与对照组比较,ALS组右侧BA4a、BA4p区灰质体积和皮层厚度降低。ALS组右侧BA4a区灰质体积与ALSFRS-R评分呈正相关(r=0.418,P=0.038)。结论 ALS患者大脑运动区和运动区域以外脑结构均有所改变,BA4a区的灰质体积及皮层厚度有望作为生物学标记物,用于监测疾病病程进展。(本文来源于《中国医学影像技术》期刊2018年12期）
赵芳垒,敬石开,李向前,邢昊,刘晨燕[3]（2017）在《基于叁角形细分的叁角网格模型表面体素化算法》一文中研究指出针对现有叁角网格模型表面体素化算法效率低的问题,提出一种基于叁角形细分的叁角网格模型表面体素化算法。该算法采用叁角形细分方式获取大量顶点信息,采用面积阈值控制顶点的生成数量,并采用点的向量平移方式减少求解顶点坐标的计算量。通过建立顶点信息与叁角形相交体素单元的一一对应关系实现叁角网格模型的表面体素化。通过与现有2种算法在不同分辨率下的多种模型实验对比,表明该算法所需的采样点数量少于现有算法,在模型表面体素化效率方面优于现有算法。此外,所提算法也适用于亏格不为0和存在封闭内腔的叁角网格模型。(本文来源于《计算机集成制造系统》期刊2017年11期）
吴婷,张礼兵[4]（2015）在《基本体素表面网格生成新方法》一文中研究指出为提高叁角网格生成的质量和速度,针对圆柱体和圆锥体,提出了一种新的曲面网格生成方法。根据曲面的表面形态特征,以正叁角形单元为基础,利用波前法(advancing front method,AFM)层层推进原理直接在叁维空间中进行叁角剖分。实验分析结果表明该方法能够避免映射法的边界调整问题以及传统波前法由于递归剖分引入的累积变形,无须坐标变换和耗时的合法性检查就能够高效、快速地生成较高质量的曲面网格。(本文来源于《计算机应用研究》期刊2015年12期）
查方龙,张定华,黄魁东,张亮,李明君[5]（2012）在《基于预分割轮廓的CT图像亚体素表面检测方法》一文中研究指出针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。(本文来源于《仪器仪表学报》期刊2012年06期）
王凯,张定华,刘晶,张顺利,赵歆波[6]（2007）在《采用3D Gaussian Facet模型的亚体素表面检测》一文中研究指出提出一种基于Gaussian facet模型的3D边缘检测算法.首先利用Gaussian加权最小二乘拟合,引入空间权因子表达图像采样点对模型参数估计的相对重要度,扩展了经典Haralick facet模型,建立了3D Gaussian facet模型及其计算公式;然后采用抗噪性好的3DIDDG算子估计梯度方向,并在该梯度方向上计算二阶方向导数过零点,以获得表面点亚体素位置.实验结果表明,该算法能有效地降低邻近边缘干涉对检测结果的影响,可更好地提取尺寸较小的结构边缘.(本文来源于《计算机辅助设计与图形学学报》期刊2007年09期）
袁江琛[7]（2007）在《基于体素的快速表面重构》一文中研究指出科学计算可视化,是计算机图形学的一个重要研究方向,是图形学的新领域。其中面绘制和体绘制是实现叁维曲面重构两种重要手段,面绘制算法主要是按照给定的阈值从体数据中提取等值面,然后利用曲面绘制方法绘制此等值面,能体现物体的表面信息,如果要体现内部大量有用的信息,就要使用体绘制算法,但其绘制速度较慢。本文研究面绘制中的移动立方体算法。移动立方体算法是面绘制中一个经典算法,但原始的移动立方体算法中存在着二义性、生成的叁角面片多、执行速度慢等不足之处,国内外对这些方面已有了很多深入的研究。结合已有的研究,对这叁个方面进一步研究,本文提出的基于体素生长的移动体素算法可以对原算法进行改进,借用体素的生长只处理与等值面相交的那些立方体,并将这些体素以栈的数据结构形式进行保存,加快绘制速度;在叁角面片形成处理中,使用移动体素的方法生成叁角面片,消除了二义性。八叉树是一种有效的表示叁维物体的方法,本文在八叉树生成的基础上,提出的基于空间分割的表面重构算法,将绘制空间分别按X轴、Y轴和Z轴进行分割,生成的树的节点个数小于等于八个,与八叉树方法相比,减少了所生成叶结点数量,再通过移动立方体算法生成叁角面片,叁角面片通过平滑处理,提高图形显示质量。这种由八叉树改进的空间分割算法,减少生成的叁角面片数量,同时通过叁次插值,将所得到的近似曲面进行平滑处理。(本文来源于《江南大学》期刊2007-03-01）
王凯,张定华,赵歆波,黄魁东[8]（2007）在《一种改进的基于Facet模型的亚体素表面检测算法》一文中研究指出在基于CT的工业应用中,常常需要从CT切片序列获得实体的3D高精度表面信息。介绍了一种基于Facet模型的亚体素表面检测算法,并针对其计算效率低的问题,给出了一种3DFacet模型的加速算法。该改进算法将Facet模型的叁维卷积核分解为3个一维卷积核,使算法复杂度从O(m3)降低到O(3m),并采用增量算法解决了由此产生的存储空间问题。通过对仿真图像的实验,验证了该算法的效率和精度,表明该算法在保持原始算法精度的同时,处理速度提高了约两倍。(本文来源于《中国机械工程》期刊2007年03期）
王凯,张定华,赵歆波,黄鹤龄,刘晶[9]（2005）在《工业CT图像亚体素表面检测算法研究》一文中研究指出针对ICT图像序列,研究了基于Facet模型和基于矩的亚体素表面检测算法,并通过引入基于Otsu的阈值分割预处理环节,大大减少了待处理体素的数目,在很大程度上提高了原始算法的处理速度。最后在对航空发动机叶片仿真数据的实验中,对比了算法处理效果,结果表明两算法检测精度均可达1/5个像素以内,预处理环节的引入可将原始算法速度提高约4倍。(本文来源于《CT理论与应用研究》期刊2005年03期）
侯增选,张定华,杨海成,王增强,F[10]（2005）在《体素模型表面优化提取方法及图形显示》一文中研究指出叁维体数据的显示方法有2种直接体绘制方法和间接体绘制方法。本文首先比较了这2种体数据显示方法的优缺点,然后介绍了基于渐进立方体(MarchingCubes)方法的间接体绘制方法。根据压缩形式的体素模型特点,提出了一种新的体素模型表面叁角网格提取优化算法,该算法利用材料变化信息直接在位于物体表面的体素模型中提取表面叁角网格,与传统的MarchingCubes算法相比,该算法不仅可以跨越物体外部全空的体素,还可以跨越位于物体内部全实的体素。该方法在基于Voxel模型的五坐标数控加工仿真系统中得到了应用,测试结果表明,采用该方法提取体素模型表面叁角网格时可以提高效率2~3倍。(本文来源于《机械科学与技术》期刊2005年03期）
体素表面论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨肌萎缩侧索硬化(ALS)患者大脑形态结构的改变,以期寻找有效的早期诊断影像学标记。方法采集27例临床确诊ALS患者(ALS组)和27名健康志愿者(对照组)的3D-T1W脑结构像,分别以基于体素形态学(VBM)和基于表面形态计量学(SBM)方法对全脑结构进行分析。将2种算法得到的ALS组有显着差异脑区的灰质体积与临床修订版ALS功能评分量表(ALSFRS-R)评分分别进行相关分析。结果 VBM分析结果显示,与对照组比较,ALS组双侧中央前回、左侧背侧丘脑、右侧辅助运动区、左侧中央沟盖、双侧中央后回等运动相关脑区灰质体积显着减小,双侧额叶、颞叶、枕叶及海马旁回等运动区以外的脑区灰质体积亦缩小。SBM分析结果显示,与对照组比较,ALS组右侧BA4a、BA4p区灰质体积和皮层厚度降低。ALS组右侧BA4a区灰质体积与ALSFRS-R评分呈正相关(r=0.418,P=0.038)。结论 ALS患者大脑运动区和运动区域以外脑结构均有所改变,BA4a区的灰质体积及皮层厚度有望作为生物学标记物,用于监测疾病病程进展。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
体素表面论文参考文献
[1].王浩.基于KinectV2深度图像流的快速体素哈希表面重建算法[D].西北农林科技大学.2019
[2].王倩楠,张静娜,张晔,李鹏岳,桑林琼.基于体素形态学和表面形态计量学MRI观察肌萎缩侧索硬化患者大脑结构改变[J].中国医学影像技术.2018
[3].赵芳垒,敬石开,李向前,邢昊,刘晨燕.基于叁角形细分的叁角网格模型表面体素化算法[J].计算机集成制造系统.2017
[4].吴婷,张礼兵.基本体素表面网格生成新方法[J].计算机应用研究.2015
[5].查方龙,张定华,黄魁东,张亮,李明君.基于预分割轮廓的CT图像亚体素表面检测方法[J].仪器仪表学报.2012
[6].王凯,张定华,刘晶,张顺利,赵歆波.采用3DGaussianFacet模型的亚体素表面检测[J].计算机辅助设计与图形学学报.2007
[7].袁江琛.基于体素的快速表面重构[D].江南大学.2007
[8].王凯,张定华,赵歆波,黄魁东.一种改进的基于Facet模型的亚体素表面检测算法[J].中国机械工程.2007
[9].王凯,张定华,赵歆波,黄鹤龄,刘晶.工业CT图像亚体素表面检测算法研究[J].CT理论与应用研究.2005
[10].侯增选,张定华,杨海成,王增强,F.体素模型表面优化提取方法及图形显示[J].机械科学与技术.2005
论文知识图
