海量数据点三维重构中一类关键问题研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-16页 |
| 第1章 绪论 | 第16-24页 |
| ·背景 | 第16-17页 |
| ·三维重构关键技术 | 第17-22页 |
| ·数据的采集与去噪 | 第17-19页 |
| ·数据的配准对齐 | 第19-20页 |
| ·孔洞修复 | 第20-21页 |
| ·数据的压缩 | 第21-22页 |
| ·本文的研究内容 | 第22-24页 |
| 第2章 基于群体智能的点云光顺去噪 | 第24-51页 |
| ·相关工作 | 第24-30页 |
| ·Laplacian方法 | 第25-26页 |
| ·平均曲率流方法 | 第26-27页 |
| ·双边滤波方法 | 第27-28页 |
| ·MLS方法 | 第28-30页 |
| ·基于核函数的蚁群聚类算法 | 第30-39页 |
| ·蚁群算法 | 第30-33页 |
| ·基于核的聚类算法 | 第33-35页 |
| ·基于核方法的蚁群聚类算法 | 第35-39页 |
| ·基于KAC点云光顺去噪 | 第39-50页 |
| ·法矢估算及方向判断 | 第39-41页 |
| ·确定曲率及法矢权值的方法 | 第41-42页 |
| ·算法的迭代 | 第42-44页 |
| ·法矢及位置调整 | 第44-47页 |
| ·实验结果与比较 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 基于局部特征面的点云数据配准 | 第51-70页 |
| ·基础知识 | 第51-52页 |
| ·相关工作 | 第52-59页 |
| ·迭代最近点算法 | 第54-55页 |
| ·SoftICP方法 | 第55-57页 |
| ·CICP方法 | 第57-58页 |
| ·基于几何特征的配准算法 | 第58-59页 |
| ·基于局部特征面的配准算法 | 第59-69页 |
| ·初始配准 | 第59-64页 |
| ·精确配准 | 第64-67页 |
| ·配准实例 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第4章 基于分形的孔洞修复 | 第70-91页 |
| ·相关工作 | 第70-72页 |
| ·三角剖分修复 | 第70-71页 |
| ·基于偏微分方程的修复方法 | 第71-72页 |
| ·基于径向基函数的孔洞修补方法 | 第72页 |
| ·分形相关知识 | 第72-76页 |
| ·分形编码 | 第72-74页 |
| ·分形插值 | 第74-76页 |
| ·二维图像分形修复 | 第76-81页 |
| ·多尺度分形编码 | 第76-77页 |
| ·局部迭代 | 第77-80页 |
| ·分形插值图像放大 | 第80-81页 |
| ·算法步骤 | 第81页 |
| ·三维模型分形修复 | 第81-86页 |
| ·三角域上的分形插值 | 第81-83页 |
| ·孔洞检测 | 第83-84页 |
| ·孔洞修复 | 第84-86页 |
| ·分形修复实例 | 第86-90页 |
| ·图像修复 | 第86-88页 |
| ·三维模型修复 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 基于Surfacelet的渐进压缩 | 第91-106页 |
| ·非渐进压缩 | 第91-93页 |
| ·Edgebreaker | 第91-92页 |
| ·TG | 第92页 |
| ·生成树方法 | 第92-93页 |
| ·渐进压缩 | 第93-96页 |
| ·Khodakovsky | 第94页 |
| ·Hoppe渐进网格 | 第94-95页 |
| ·压缩渐进网格 | 第95-96页 |
| ·Surfacelet渐进压缩 | 第96-104页 |
| ·Surfacelet变换 | 第96-98页 |
| ·基于Surfacelet压缩算法 | 第98-102页 |
| ·实例 | 第102-104页 |
| ·本章小结 | 第104-106页 |
| 第6章 总结与展望 | 第106-108页 |
| 参考文献 | 第108-115页 |
| 致谢 | 第115-116页 |
| 攻读学位期间发表的学术论文目录 | 第116-117页 |
| 攻读博士学位期间参与的科研项目情况 | 第117-118页 |
| 攻读博士学位期间所获奖励情况 | 第118-120页 |
| 学位论文评阅及答辩情况表 | 第120-122页 |
| English PaPer 1： | 第122-132页 |
| Reefrences: | 第130-132页 |
| English PaPer2: | 第132-150页 |
| Reefrences: | 第148-150页 |
