| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究的背景及意义 | 第9页 |
| ·曲面重建研究现状 | 第9-12页 |
| ·Delaunay网格过滤方法 | 第10-11页 |
| ·隐式曲面拟合方法 | 第11-12页 |
| ·曲面重建方法的选择 | 第12页 |
| ·曲面重建领域的主要问题 | 第12-13页 |
| ·本文主要研究内容与研究方案 | 第13-15页 |
| 第二章 基于K均值聚类的曲面局部样本增益优化算法 | 第15-25页 |
| ·引言 | 第15-16页 |
| ·曲面局部样本中样点分布的统一描述 | 第16-18页 |
| ·基于K均值聚类选取局部样本的高密度子集 | 第18-19页 |
| ·初始曲面局部样本的获取 | 第19-20页 |
| ·曲面局部样本增益优化 | 第20-22页 |
| ·试验结果与讨论 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于局部样本增益优化的 α-shape曲面重建 | 第25-37页 |
| ·引言 | 第25-26页 |
| ·α-shape尺度阈值自适应调整准则 | 第26-27页 |
| ·曲面样本增益优化对尺度阈值调整的影响 | 第27-28页 |
| ·自适应 α-shape曲面重建 | 第28-31页 |
| ·试验结果及讨论 | 第31-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 保持棱边特征的Cocone曲面重建 | 第37-51页 |
| ·引言 | 第37-38页 |
| ·棱边特征重建优化准则 | 第38-39页 |
| ·样本对PCA法向估计的影响 | 第39-41页 |
| ·基于高斯映射聚类的棱边特征样点识别 | 第41-44页 |
| ·曲面重建算法 | 第44-46页 |
| ·试验结果及讨论 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 全文总结与展望 | 第51-55页 |
| ·总结 | 第51-53页 |
| ·展望 | 第53-55页 |
| 参参考文献 | 第55-57页 |
| 在读期间公开发表的论文 | 第57-58页 |
| 致谢 | 第58页 |