受限多模板最小二乘预测的三角网格压缩

作     者：宋滢 金耀 郑一村 黄劲 何利力 Song Ying;Jin Yao;Zheng Yicun;Huang Jin;He Lili

作者机构：浙江理工大学浙江省2011服装个性化定制协同中心杭州310018 浙江大学CAD&CG国家重点实验室杭州310058 

基　　金：国家重点研发计划项目(2017YFB1002703) 国家自然科学基金(61602416,61702458) 浙江省公益技术应用研究计划(2017C31032) 浙江省自然科学基金(LY17F020031) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第9期

页      码：1591-1598页

摘      要：为提高网格压缩的编码压缩率,充分利用网格局部邻域信息特征,提出一种数据驱动的多模板最小二乘预测方法.在训练阶段,从网格模型中所有可能构建的5个顶点的模板中提取特征数据作为训练集,在局部坐标系下构建预测器并通过最小二乘法求解预测器的权重;在编码阶段,对当前顶点的量化坐标预测使用受限多模板策略,根据多个可用的模板选择最优集合进行线性组合,再对残差进行熵编码.不同于网格无关的网格坐标预测策略(如平行四边形预测器),文中方法深入利用网格模型上邻近三角形之间的相关性,有效地降低了坐标预测的误差,从而提高了压缩率.在同等的量化误差和拓扑遍历顺序下,与已有的预测方法相比,受限多模板最小二乘预测器通常能够获得更高且稳定的压缩率,尤其在光滑模型上压缩效果更为显著.

主 题 词：网格压缩 受限多模板 最小二乘 数据驱动 

学科分类：08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 081202[081202] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17633

馆 藏 号：203791951...