生成Delaunay三角网的快速合成算法

合成算法结合了传统的递归分割法和逐点插入法的优点,兼顾空间和时间性能.然而,该算法不可避免地继承了两种传统算法的不足,在执行效率上受到限制.为了解决执行效率问题,提出了快速合成算法,对合成算法进行了改进和优化.该算法基于面积坐标的点定位算法和简化的高效空外接圆判断算法,从而大大提高算法的整体执行效率;同时充分考虑平面点集的任意性,适用于对任意平面点集构建Delaunay三角网.

基于真实感的虚拟现实图像生成技术

针对传统虚拟现实图像生成速率较低问题,提出一种基于真实感的虚拟现实图像生成技术。依据给定的阈值对比灰度方差最小值,进行初始匹配、松弛匹配,建立特征点对应关系,通过最小中值法对匹配误差进行消除,利用递归操作构建网格纹理虚拟现实图像层次模型以及纹理快速合成算法对模型中的图像颜色进行匹配与合成,并对纹理进行映射处理,从而生成具备真实感的虚拟现实图像,将该技术与传统虚拟现实图像生成技术进行对比实验,实验结果表明该技术的图像生成速率最高,更适用于虚拟现实图像的生成。

基于非局部全变差和部分支撑已知的CS-MR图像重建方法

提出一种基于压缩感知(CS)的磁共振(MR)图像重建方法.利用参考图像和目标图像结构的相似性,提取参考图像在小波域中L个大系数的索引集作为目标图像的已知支撑集,约束已知支撑集补集中小波系数的l1范数.此外,采用非局部全变差(NLTV)作为规整化项构造目标函数,通过快速合成分离算法(FCSA)重建目标图像.仿真结果证明,该方法能有效保留图像的边缘和细节信息,抑制噪声干扰,在相同采样数据量下,重建性能优于经典CS-MRI和其他同类方法.