摘要：针对传统三维场景图像表面重建特征点匹配精度不高、计算复杂等实际问题,提出基于虚拟现实技术的三维场景图像表面重建算法。使用小波分解处理图像纹理信息,量化编码图像,并把视觉点和图像的间距作为度量值,挑选恰当临界值完成图像压缩,剔除三维场景图像冗余数据;计算图像中的启发式信息,更新信息素矩阵,运用信息素矩阵临界值明确像素点是否为图像边缘点,提取三维场景图像边缘信息;利用虚拟现实设备计算三维场景最小识别距离,推算理论图像投影值与实际投影值偏差,通过偏差值校准图像表面重建像素值,完成高精度三维场景图像表面重建目标。仿真结果表明,所提方法可有效捕捉三维场景图像中的关键特征,重建后的图像分辨率得到显著提升。

摘要：传统细分曲线由于只使用了局部信息来更新顶点位置,在控制顶点分布不均匀时曲率分布波动较大.为提高细分曲线质量,提出一类全局性的细分方法.将曲线的每一次细分分解成差分计算、插值、重建等一些简单的步骤;通过修改其中的重建步骤,将曲线重建的顶点放宽至所有控制顶点,配合扩大的模板和改进的插值以进一步改进曲线的几何质量.最后通过实验数据验证了此类全局性细分曲线在光滑性和曲率分布上的良好性质.

摘要：为提高用户对于网络中海量社会信息的浏览效率,减轻交互负担,提出一种多线索的社会信息组织方式,对于其中的主题线索,提出一种基于LDA的主题自动提取方法,以地点为单位聚合大量消息来挖掘主题,然后根据生成概率模型为每条消息选择主题;基于多线索的信息组织,设计并实现一种在虚拟场景中显示社会信息的可视化方法,采用经典的可视化结构和直观的交互操作.实验结果证明了主题提取方法的有效性,多线索的信息组织和可视化方法能够有效地提高交互效率,可满足用户浏览信息的不同需求.

摘要：已有的二维流场可视化中,鞍点等临界点是最重要的特征之一.文中从一个新的角度提出一种基于流线聚类的二维向量场可视化方法.首先生成采样流线集合,然后将流线聚类,最后引入共轭法向量场和流线密度矩阵对同一个类的流线进行加速排序.在此基础上,提出3种可视化应用:抽取每一类的代表流线进行向量场的流线简洁表达;根据流线之间距离进行多分辨率均匀流线表达;生成权值图,增强基于纹理的向量场可视化.实验结果表明,该方法具有良好的鲁棒性,可视化效果优于已有的方法.

摘要：数字海洋系统是海洋相关应用和研究中的有效工具,三维球体环境下的向量场可视化是数字海洋系统中的一项重要工作.文中将向量场可视化结果实时地融合在具有地理位置信息的三维环境中.首先生成覆盖向量场的流线集合.然后对流线集合进行聚类.最后对每一类流线按空间位置进行排序,选取代表性流线进行向量场简化;在每一类的起始位置处放置粒子,实现三维风场实时可视化;生成权值矩阵,对基于纹理可视化结果进行后续处理实现增强效果.实验结果表明,在三维球体环境下,文中算法效率高、绘制效果良好.

摘要：自然现象模拟是计算机图形学中的一个重要研究热点.如何快速、逼真地模拟自然现象是此类研究的主要目的.传统的解决思路大多采用基于物理的建模方法,而随着采集设备的快速发展,基于采集图像的重建方法得到了广泛关注与研究.以液体为研究对象,总结了近年来基于采集图像的重建方法的部分研究成果.针对动态水面,提出了一种动态水面数据采集与重建方法.首先,设计并搭建一套基于多相机的动态水面数据采集系统,采集得到多视图下不同水面运动现象的连续帧图像.其次,通过提取采集图像序列中每幅图像的亚像素级特征点,进行特征点匹配并建立特征点与物理空间中三维点的映射关系.然后,结合水介质的光学折射特性迭代求解水面上三维点阵的高度场和法向量.最终获得动态水面的重建结果.实验结果表明,该方法能够快速生成与采集水面可视效果相近的三维重建结果,可在计算机游戏、医学、科学研究可视化等领域具有应用前景.

摘要：目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.

摘要：目的 基于参考图像的线条画生成是非真实感绘制最为常见的应用之一。尽可能模拟艺术家的创作风格生成疏密得当、具有层次感的线条画是这类工作的主要目标和挑战。本文提出一个自适应线画图绘制算法。方法 首先,将场景图像分割成若干个区域,分别计算每个区域亮度的方差以及每个像素到边界的最小距离,将每个区域的方差和面积的比值作为该区域的复杂度。然后,计算能反映其显著视觉特征的边缘切向流场。最后,使用基于流的各向异性高斯差分滤波生成线条画。在构造边缘切向流时,每个位置的切向量由其邻域的切向量加权而得到。文中增加了一个新的系数项,对于邻域的任意一个位置,如果它和参考位置在区域分类中属同一个类别。则该位置的权值更大。基于流的高斯差分自适应滤波过程中,高斯差分滤波的尺度参数和复杂度以及到区域边界距离有关。细节越丰富,离边界越近,尺度参数取值越小,这样得到的边缘比较细,同时可以防止将相邻小细线条连接成粗线条。然后,将高斯差分滤波结果沿着流线方向进行高斯滤波,对于细节丰富的区域,边缘比较多,尺度参数取值比较小,所连接边缘比较短,可以减少错误边缘可能。结果 对生物、树林、建筑、山河等具有代表性的图像,采用本文算法进行自动实时进行线条绘制,实验结果表明,采用本文算法所生成的线条随着区域场景的复杂程度呈现不同粗细和浓淡的变化,具有一定的层次感。因而本文算法能生成视觉特征鲜明、风格化效果突出的线条画,且能处理各种复杂场景的图像。结论 本文自适应参数的线条画生成算法,其算法参数调节以及算法效果优于固定参数的算法,本文算法在处理日常生活中各类主题场景的图像时均能取得良好效果。

摘要：为了快速绘制高质量的地图,针对目前地图渲染引擎存在效率较低,速度慢等问题,本文提出基于Open GL的新型高性能地图渲染引擎。该引擎充分利用了Open GL图形库进行渲染的高效并行性,对于点、线、面等符号和要素实现了快速可视化。本引擎所生成的地理信息可视化的结果与其他引擎相比在保持图像质量的基础上具有更快的速度。