| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景及现状 | 第10-12页 |
| ·论文主要内容安排 | 第12页 |
| ·论文主要创新点 | 第12-13页 |
| 2 文献综述 | 第13-19页 |
| ·三维表面纹理表示 | 第13-15页 |
| ·纹理重光照表示方法 | 第15-16页 |
| ·GPU编程 | 第16-19页 |
| ·GPU工作原理和编程语言 | 第16-17页 |
| ·GPU编程和HLSL语言 | 第17-19页 |
| 3 基于PELIN噪声的CELLULAR TEXTURE生成 | 第19-29页 |
| ·Perlin噪声的基本原理 | 第19-23页 |
| ·Perlin噪声函数简介 | 第19-20页 |
| ·Perlin噪声构造方法 | 第20-23页 |
| ·Cellular Texture生成方法 | 第23-26页 |
| ·Cellular Texture介绍 | 第23-24页 |
| ·基函数的构造 | 第24-25页 |
| ·Cellular Texture应用 | 第25-26页 |
| ·GPU实现 | 第26-28页 |
| ·实现平台 | 第26-27页 |
| ·生成算法主要过程 | 第27-28页 |
| ·实验结果及结论 | 第28-29页 |
| 4 三维CELLULAR TEXTURE重光照 | 第29-43页 |
| ·朗伯模型和光度立体 | 第29-31页 |
| ·凹凸纹理贴图 | 第31-32页 |
| ·Cellular Texture平滑滤波 | 第32-35页 |
| ·三维Cellular Texture重光照 | 第35-37页 |
| ·实验过程与结果 | 第37-43页 |
| 5 基于聚类分析和SVM的CELLULAR TEXTURE分类比较 | 第43-59页 |
| ·机器学习与模式识别 | 第43-44页 |
| ·支持向量机 | 第44-49页 |
| ·广义最优分类面 | 第44-46页 |
| ·支持向量机 | 第46-47页 |
| ·核函数 | 第47-49页 |
| ·多值分类器 | 第49页 |
| ·纹理提取与选择 | 第49-51页 |
| ·基于SVM的分类方法 | 第51-53页 |
| ·生成训练集 | 第51-52页 |
| ·SVM分类算法主要过程 | 第52-53页 |
| ·基于聚类分析分类法 | 第53-56页 |
| ·聚类分析法概述 | 第53-54页 |
| ·聚类分析的计算方法 | 第54页 |
| ·分层聚类分析 | 第54-56页 |
| ·分类结果比较 | 第56-57页 |
| ·结论 | 第57-59页 |
| 6 总结及展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录1 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
| 学术论文 | 第71页 |
| 研究成果 | 第71页 |