细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了...细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了以往算法生成LOD模型时对模型重要特征与边界处理的不足,在对原始模型简化的同时,能够很好的保留模型的边界与特征。实验结果证明了算法的高效、可靠,既保持模型细节特征,又减少了模型简化误差。展开更多
研究了利用 BP 神经网络理论进行景象匹配的方法,将灰度不变矩和边缘不变矩同时作为匹配特征应用于 BP 神经网络景象匹配中,并对经典的进化策略进行改进,提出并实现了一种高效的基于进化策略的BP 神经网络景象匹配算法。实验结果证明了...研究了利用 BP 神经网络理论进行景象匹配的方法,将灰度不变矩和边缘不变矩同时作为匹配特征应用于 BP 神经网络景象匹配中,并对经典的进化策略进行改进,提出并实现了一种高效的基于进化策略的BP 神经网络景象匹配算法。实验结果证明了算法寻优的全局性和精确性。展开更多
文摘细节层次模型(Level of Detail,LOD)是模型简化最有效的方法之一。针对以往细节层次模型简化算法对模型的特征与边界处理的不足,提出了一种基于特征的LOD模型简化算法,并给出了一种针对模型特征与模型边界的折叠代价函数,较好的解决了以往算法生成LOD模型时对模型重要特征与边界处理的不足,在对原始模型简化的同时,能够很好的保留模型的边界与特征。实验结果证明了算法的高效、可靠,既保持模型细节特征,又减少了模型简化误差。