无额外信息的线性测度误差模型识别:两步估计法

测度误差普遍存在于现实数据中。本文提出了无需额外信息的线性测度误差模型的两步估计法,该方法可以得到一致和渐进正态的估计量。在基本估计量的基础上,本文对两步估计法进行了拓展,得到了更有效和更稳健的估计量,并且将这一估计方法推广到了时间序列数据和面板数据模型中。本文进一步对比两步估计法和工具变量法,发现前者在一定条件下严格优于后者。蒙特卡洛模拟验证了这些估计量在有限样本中的良好性质,并且说明了两步估计法相对于工具变量法的优势。

网格简化中基于特征矩阵的二次误差测度算法

针对二次误差测度算法存在尖端特征消失、局部过度简化等缺陷,提出了基于特征矩阵的二次误差测度算法用于网格简化.通过将顶点曲率和边长引进该特征矩阵以优化误差度量,模型中各顶点便易于区分,于是具有明显几何特征区域的顶点误差度量能够被提高.这样,边折叠的顺序可以方便的得到调整,使得模型中的突出特征更多的被保留下来.仿真结果表明,本算法在保持了二次误差测度算法计算时间短、运行效率高的同时,也克服了网格分布过于均匀、无法突出模型重要特征的缺点.

基于加权二次误差测度的边折叠简化算法

针对许多边折叠网格简化算法在模型进行大规模简化后,不能很好地保持原始模型的重要几何特征,从而产生较严重的视觉失真现象的问题,提出了2种改进的二次误差测度边折叠方法．定义2种三角形重要度并嵌入到原始Garland的二次误差测度中,使得误差测度不仅能度量距离偏差,而且能反映模型局部表面几何变化．结果表明,新的算法在大规模简化后仍然能保留相当多的重要几何特征,降低了视觉失真．

距离加权的二次误差测度多分辨率网格简化

为了有效显示复杂的三维物体网格模型,基于边折叠操作与二次误差测度,给出了建立与视点相关的多分辨率模型的网格简化算法。该方法引入了距离因子与三角形形态品质因子:网格顶点到视点的距离因子使得产生了与视点位置相关的符合观察需要的网格;三角形形态品质因子的引入,提高了简化后新生成的三角形的形态品质。同时,在构造候选边队列时,采取了邻域冻结办法,避免了对模型的某个部位过度简化与过大三角形的出现。实验结果表明,在保证效率的前提下,简化速度快,但显示并无明显失真,简化后的三角形形态品质较好。该算法适应于三角形网格模型的简化、优化及建立多分辨率细节模型。

基于二次误差测度的车身网格简化算法研究

在车身逆向设计中,点云数据预处理后形成的拓扑网格数据庞大,导入三维软件中进行处理时,对计算机显示、分析、存储、传输等造成很大负担。该文研究了车身曲面重构过程中基于二次误差测度的边折叠网格简化算法。该算法将点到相关平面距离的平方和作为误差测度,进行多次选择性边折叠,实现网格有效简化。采用VC++6.0编程实现了该算法,实验表明,算法稳定可靠,效率较高,简化效果好。

距离加权的二次误差测度网格简化算法

文中针对现有的均匀三角网格简化算法在显示质量上的不足 ,提出了根据网格顶点到视点的距离 ,使用加权的二次误差测度算法进行顶点对折叠、简化 .该方法能根据视点位置简化网格 ,产生符合观察需要的网格 ;还将距离加权用于视窗裁剪 ,得到视点相关的网格模型 .并对该算法的优点及存在的问题作了分析 .

基于欧氏范数的刚体转动误差测度的分析

基于欧氏范数的概念，对于两个３×３的空间转动位置矩阵Ｒ１和Ｒ２，文章表明矩阵［Ｒ２－Ｒ１］和［Ｒ２（Ｒ１）Ｔ］都可以直接导出理想的转动误差测度．经过分析可知。

基于特征保持和二次误差测度的网格简化

目的解决目前网格简化算法不能很好地保持原始网格几何特征的问题。方法基于二次误差测度简化算法,在计算折叠代价时引入网格模型顶点的绝对曲率,同时采用半边折叠操作。结果提出的算法能够有效地达到特征保持的目的,减少了简化过程中模型的存贮量。结论将顶点的绝对曲率概念引入二次误差计算,在保持简化误差的同时,能够更好地保留网格模型的几何特征。分割和并行化处理将是今后需要解决的问题。

基于二次误差测度的递进网格色彩模型生成算法

现有的递进网格生成算法不仅效率低,而且大多只能完成几何特征的简化,没有考虑网格模型的其它表面属性.针对这些问题,提出一种新算法.该算法把基于点到一组平面距离平方和的二次误差测度,从三维几何空间推广到包含属性信息的多维空间.这种二次误差测度表示了简化网格与初始网格的几何特征和属性信息的匹配程度,利用二次误差值最小原理,指导网格简化操作的进行.实验结果表明,该算法不仅效率高,而且可以保证简化模型同初始模型在几何特征和颜色信息上具有高相似度.

一种改进的基于二次误差测度的网格简化算法

在医学图像三维表面建模中,会产生大量的三角面,难以在普通PC机上进行实时渲染.为了解决这个问题,本文作者提出一种改进的基于二次误差测度的网格简化算法.通过对顶点进行分类,在简化过程中更好地保持了模型的细节特征,同时考虑了网格中三角面的分布情况,减小了几何误差.结果表明,算法既保持了原算法快速的优点,又满足了医学图像处理对逼真度和网格质量的较高要求.

基于曲率和面积的二次误差测度网格简化算法

在经典的二次误差测度(QEM)简化算法基础上,将离散曲率和面积引入到边收缩代价计算中,提出了一种基于离散曲率和面积的二次误差测度网格简化改进算法.该算法既考虑了离散曲面在各顶点附近的弯曲程度,又考虑了曲面的几何形状特征.为保留模型的原始边界特征,规定不对其边界进行简化.试验结果表明,改进算法在网格简化过程中保持了原有算法运行速度快的优点,且简化模型能合理地分配网格,并更好地保持了原始模型的重要特征.

一种改进的二次误差测度简化算法

针对网络环境中物体三维几何数字化模型快速展示存在的问题,提出一种改进的二次误差测度简化算法。在计算边折叠误差代价中引入顶点曲率和局部区域面积,控制简化网格模型边折叠顺序,提高具有明显特征区域顶点的误差度量,从而更好地保留原始网格模型中的细节特征。实验结果表明,本算法简化后的三维数字化模型不仅保留了原始网格模型的细节特征,而且计算速度快,提高了网络环境下三维模型的展示效果。

基于二次误差测度的带属性三角网格简化算法

给出一种基于边折叠和二次误差测度的快速简便的算法来简化带属性的网格模型。该算法通过分别建立几何和颜色属性二次误差测度来计算几何和颜色属性误差,用几何与颜色属性误差的总和来控制网格简化的顺序和精度。边折叠是根据某种误差测度将候选的边按照折叠代价排序,每次取代价最小的边进行折叠操作,直至满足给定的终止条件。二次误差测度采用点到平面距离的平方作为误差测度。应用实例表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息。

基于二次误差测度的超声点云数据简化算法

为使Qslim算法在处理超声点云数据网格模型时能够自适应于非空间测度量的简化要求,提出一种网格模型简化算法。基于超声点云数据中包含强度信息的特点,将强度信息测度经过归一化处理后嵌入到二次误差测度矩阵中,根据简化阈值重新分配强度信息测度和二次误差测度矩阵对收缩代价的影响比重。实验结果表明,优化后算法使得简化结果能够自适应于反射强度值,实现了Qslim算法在超声成像领域的应用目的。

基于二次误差测度的递进网格简化算法

给出一种基于递进网格和二次误差测度的快速简便的算法来简化带属性的网格模型。该算法通过分别建立几何和颜色属性的二次误差测度来计算几何和颜色属性误差,边折叠是根据某种误差测度将候选的边按照折叠代价排序,每次取代价最小的边进行折叠操作。应用实例表明,该算法既能有较好的简化效率,又能保证简化对初始模型在几何和颜色信息方而尽可能的近似。

基于二次误差测度的特征保持简化算法

三维人脸模型通常具有很高的分辨率,而且人脸表面特征分布具有不均匀性,需要对模型进行简化,去除冗余信息,提高计算效率。但是现有的模型简化算法在特征保持方面并不能令人满意。本文将基于曲率信息的三维顶点特征表示度量加入模型顶点收缩代价的估计过程,在简化模型的同时保留特征丰富区域的信息。同时,本文在边折叠过程中加入了检测与再折叠操作,解决了简化过程中出现的重叠三角面问题。实验表明,本算法能够在可靠地生成高质量的简化模型的同时,更好地保持特征丰富区域的细节信息。

切片厚度加权的二次误差测度网格简化算法

针对目前三角网格简化效率低、模型表面细微特征丢失的现象,基于模型切片处理算法对经典二次误差测度算法进行改进.该算法采用半边结构来存储模型数据,应用代价最小的边折叠二次误差测度算法,分析点到相邻平面的距离,同时引入切片厚度加权因子来减少阶梯面的形成,从而保证了简化后模型表面的细微特征.实验结果表明,对于原始三角面片数超过6万的,该算法相较于经典的二次误差测度算法效率提高了9.2%,对于原始三角面片数不足1万的,该算法相较于经典的二次误差测度算法提高了7.1%,模型经大规模简化后表面细微特征得到了很好的保留.

结合边分割的改进二次误差测度算法

为了有效解决二次误差测度算法(quadric error metrics, QEM)容易产生异常三角面、失去局部特征、几何结构异常等问题,提出一种结合边分割的改进二次误差测度算法(quadric error mactrics with edge splitting, ESQEM).该算法添加顶点高斯曲率作为边折叠代价之一,通过参数调节模型特征保留情况;添加边长查询机制,对细长三角面进行边分割操作. ESQEM算法能有效维护网格模型高曲率区域特征、保持网格几何结构、消除狭长三角面,简化后的模型有更好的视觉效果,高简化率下的简化精度更高.

一种基于二次误差测度的三维累进网格生成算法

研究了一类三维累进网格生成算法,在网格分辨率固定的前提下,以期获得较高质量的三维模型;基于二次误差模型,提出了基于累进网格生成的改进算法;引入了边界约束条件,提出了二阶邻域指标。实验证明,该算法输出的模型质量优于文献中的算法。

基于峰值误差约束的传感器线性化方法研究

基于加权最小二乘算法和模糊数学的基本性质,本文提出一种新算法用于智能传感器的非线性补偿。算法既考虑了峰值误差也考虑了积分测度误差,可在峰值误差和积分测度误差间进行折衷,分析及实验结果表明在付出较小积分测度误差的代价上,可大幅减小峰值误差,从而在总体上提高传感器线性化后的性能。