基于混合梯度最小化Mumford-Shah模型的高维滤波算法

为解决高维滤波中存在的边缘特征模糊和细节保持问题,创新性提出了一种基于混合梯度最小化Mumford-Shah模型的平滑算法.通过最小化包含梯度的L0、L1范数的正则化函数,实现边缘保持和局部光滑的滤波分解效果.从二维图像来看,梯度的L0范数刻画了图像中非光滑像素的个数,最小化梯度的L0范数可以实现图像分片同质的效果,即可对应Mumford-Shah模型中要求的边缘内部尽量均匀;梯度的L1范数,即全变差项,刻画了图像中所有水平集的长度,最小化梯度的L1范数可以实现控制图像边缘锐利度的目的,即Mumford-Shah模型中关于图像边缘保持的约束.由于Mumford-Shah模型具有鲁棒的信号平滑和边缘特征描述能力,因此在进行高维信号分解等处理时,可以取得良好分离效果.实验结果表明,混合梯度Mumford-Shah模型在滤波过程中可以实现边缘保持和纹理平滑相统一的特性,获得优异的图像结构纹理分解效果,对多个图像应用的处理效果有显著的提升,在三维网格数据上也获得良好的去噪性能.

基于几何测量和变形的真实感织物模拟

提出一种有效、直观的基于几何测量和网格变形的织物模拟方法,可以获得具有不同面料属性的织物真实感形态.织物几何测量方法能够度量反映面料几何属性的3个关键特征,包括复原性、拉伸性和弯曲性.对应这3个几何属性度量,建立包括顶点位置、边长和二面角约束能量项的基于微分网格变形的泛函能量优化模型.3个变形能量项各自对应的权重是从每种真实面料测量数据中量化统计得到.该变形能量函数可以统一在最小二乘数值优化中求解,通过过程优化和权重设置,即可模拟到真实织物行为.实验结果表明,该方法可以有效地仿真到不同面料材质的织物真实感效果.

全局各向异性四边形主导网格重建方法

四边形网格的结构特点要求网格单元满足全局一致性,难以取得网格质量与表达效率之间的平衡.为此,提出一种基于全局的各向异性四边形主导网格重建方法,可生成网格质量好且冗余程度低的四边形网格.重建过程以主曲率线为基本采样单元,首先计算模型表面的主曲率场并对主曲率场积分,得到密集的主曲率线采样;再根据贪心算法,利用几何形体自身的各向异性找出冗余度最高的主曲率线并予以删除;如此循环,直至达到理想的采样密度.该重建方法适用于任意拓扑网格模型,所得到的各向异性四边形主导网格在网格模型分辨率下降时,由于始终保留重要主曲率线,从而可以更好地保持模型特征.同时,在基于贪心算法的渐进式主曲率线删除过程中,可产生分辨率连续可调的四边形主导网格.

部件化构建的三维服装快速编辑方法

直接设计一个三维服装模型不仅耗时而且需要专业服装设计知识。为简化这一复杂的建模过程,提出基于部件化构建的三维服装快速编辑方法,其关键在于通过分割和融合的网格编辑技术从已有的服装模型中快速构建新的三维服装模型。首先按照服装分类分割出不同类型的服装部件。其次基于分割出的三维服装部件以及已有的服装模型,建立部件间以及部件与模型间的几何约束关系,把二维均值坐标插值方法应用到三维服装网格融合中,把方程数值求解问题转化为线性插值问题,避免求解线性方程组。最后根据柔性服装的特征,构造适于柔性服装光滑保形变换的方法。实验结果表明,该算法在不影响融合效果的前提下可以提高融合的效率,能够有效地实现三维服装的快速编辑。