基于移动最小二乘与控制曲线的3D点云变形

将移动最小二乘法用于3D点云模型变形,提出一种基于控制曲线的3D点云模型变形方法.该方法根据点云数据的形状信息或变形需要设置关键点,利用三维空间三次样条插值拟合生成控制曲线,通过改变曲线两端的偏导数来改变空间曲线的形状,从而更好地拟合物体的轮廓.基于移动最小二乘法实现3D点云模型的刚性变形,通过轮廓拟合准确定位变形后的物体轮廓,利用控制曲线可实现多个区域的准确变形.实验表明,该方法可使3D点云模型产生比较平滑而真实的变形效果.

结合图像信号显著性的自适应分块压缩采样

均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域。为此,提出一种基于显著性的自适应分块压缩采样方法。根据图像信号的显著性,利用四叉树算法进行自适应图像分块,有效分离出重要区域和背景区域。根据区域块的显著度动态设置观测值数量,重要度区域设置高采样率,背景区域设置低采样率,从而提高重要区域的图像重建质量。实验分析表明,在得到更好的视觉效果同时,本文算法观测值数量较少,且重构图像的峰值信噪比(PSNR)、平均结构相似性(MSSIM)指标,以及运行时间均优于均匀分块压缩采样算法。