三维网格模型去噪算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 三维网格模型基于传统去噪算法的研究 | 第11-13页 |
| 1.2.2 深度学习技术在图形图像上的应用 | 第13-15页 |
| 1.3 论文内容及结构 | 第15-16页 |
| 第2章 相关理论基础 | 第16-32页 |
| 2.1 基本概念 | 第16-19页 |
| 2.1.1 三维模型的数学表示 | 第16-17页 |
| 2.1.2 邻域的定义 | 第17-19页 |
| 2.2 传统去噪方法相关技术 | 第19-25页 |
| 2.2.1 双边滤波算法 | 第19-23页 |
| 2.2.2 特征点检测 | 第23-25页 |
| 2.3 深度学习相关理论介绍 | 第25-31页 |
| 2.3.1 神经网络模型 | 第25-28页 |
| 2.3.2 BP神经网络 | 第28-30页 |
| 2.3.3 卷积神经网络 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于向导法向量的网格去噪 | 第32-47页 |
| 3.1 向导法向量滤波 | 第32-35页 |
| 3.2 基于向导法向量的网格去噪框架 | 第35-42页 |
| 3.2.1 特征识别 | 第37-38页 |
| 3.2.2 特征面的部分邻域定义 | 第38-40页 |
| 3.2.3 特征保护的网格去噪算法 | 第40-42页 |
| 3.3 实验结果 | 第42-46页 |
| 3.3.1 实验参数 | 第42页 |
| 3.3.2 结果和比较 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于卷积神经网络的网格去噪 | 第47-59页 |
| 4.1 卷积神经网络特点 | 第47-49页 |
| 4.2 数据预处理 | 第49-52页 |
| 4.3 网络设计 | 第52-55页 |
| 4.3.1 网络结构设计 | 第52-54页 |
| 4.3.2 卷积层 | 第54-55页 |
| 4.4 基于卷积神经网络的网格去噪算法 | 第55页 |
| 4.5 卷积神经网络实验及其结果 | 第55-58页 |
| 4.5.1 实验数据 | 第55页 |
| 4.5.2 学习率及训练迭代次数的设置 | 第55-56页 |
| 4.5.3 实验结果及分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
