摘要：提出了动态建立约束 delaunay三角剖分 ( CDT)的算法 ,即在三角网剖分中可以动态地插入点或约束边 ,因此 ,该算法构建 CDT的点集是可以动态扩充的。通过对动态算法的执行过程分析得出 ,在约束边已知的条件下 ,应尽早在三角剖分中嵌入约束边。这样 ,相对于传统算法 ,不仅能减少嵌入约束边的时间 ,同时也能减少插入点重新构网的时间。最后 ,通过实例比较了动态算法构建 CDT、传统算法构建 CDT和只构建标准 delaunay三角剖分三者间的时间效率 ,得出动态算法优于传统算法的结论。

摘要：在逐点插入法的基础上,提出了一种有效的三维约束delaunay四面体剖分的边界恢复的改进算法。该算法具有如下优点:只需要插入很少的点即可实现边界恢复,提高了算法的效率;避免了产生不必要的棱边过小的四面体;与现有的四面体网格生成的算法结合的非常好。实践证明,本文提出的边界恢复算法的效率高,所生成的网格质量好,并易于实现。

摘要：通过利用特征全局分布信息,提出一种以网格为数据单元的Mean Shift的目标跟踪算法(grid mean shift,GRIM-SHIFT)。针对传统Mean Shift目标跟踪算法的不足,GRIMSHIFT算法在m*n个像素的网格小区域内提取如颜色、角点量等局部区域特征值。在此基础上结合整幅图像进行约束delaunay三角剖分得到图像像素间全局空间关联信息。在网格级上把局部特征信息和全局分布信息加权混合,使特征分布数据集具有了更高的目标辨识度;在视频序列中对动态网格特征分布连续运用Mean Shift便实现了对目标的跟踪。实验结果表明GRIMSHIFT拥有良好的实时性和准确性。