基于成長型神經網絡曲面重建及網格優(yōu)化的研究.pdf

1、本論文的主要工作如下：1、研究使用成長型神經網絡的曲面快速重建方法。神經網絡在處理輸入數據時一次只采樣一個點，計算速度獨立于輸入數據量，而且能很好地處理含噪聲的數據，因而特別適合基于三維掃描散亂點集的曲面重建。這為基于學習的曲面重建方法開辟了一條新途徑，具有廣闊的應用前景。我們在曲面重建過程中采用線性組合的方式分裂節(jié)點，使用一種簡化的方法計算節(jié)點的Voronoi區(qū)域面積用于分配新增節(jié)點的計數器值，并對生成的曲面作進一步的綜合優(yōu)化。

2、 2、提出使用基于能量最小化的網格優(yōu)化算法：對于給定的三維散亂點集合和初始三角網格，使用能量最小化算法對網格頂點位置優(yōu)化，使網格更好地逼近三維散亂點。 3、提出一種新穎的網格綜合優(yōu)化算法：對某一形體表面的三維散亂點集給定一個初始三角網格，使用神經網絡中自組織映射算法對網格頂點位置優(yōu)化，使網格更好地逼近三維散亂點，使網格中節(jié)點的分布更符合散亂點數據的空間概率分布，并分裂網格中度數特別大的節(jié)點，使網格的空間形狀更加平滑。