基于GMM和IFS的单幅图像树木建模方法研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:ceng0606
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
树木建模是虚拟现实研究的热点,但是树木的基因结构和生长环境复杂,导致了树木建模过程繁琐复杂。自然场景对实时性和逼真度要求很高,现阶段的树木建模过程精度差、渲染速度慢等瓶颈限制了三维树木在虚拟场景中的应用。从以上角度提出基于高斯混合模型和迭代函数相结合的单幅图像树木建模,并模拟了树木在风中摇摆的场景。首先,传统图像分割方法具有易受干扰、稳定性不强、低精确度等缺陷,改进了基于高斯混合模型对图像进行图像分割的方法,从统计的观点对图像像素进行分类,把图像中像素点均值与高斯混合模型相匹配,根据匹配规则确定像素类型,并把像素分配到相应的模型当中,从像素域角度出发,解决了传统图像分割方法的低精确度等缺陷。其次,针对树干形状调整交互性差和逼真度不高等缺点,提出了把迭代函数系统和图像分割相结合的建模方法,利用图像中像素的分类信息生成与图像中树木相近的三维树干,接着利用树木生长自相似性衍生出次级树枝,改变树枝的参数可以生成新的树木,在速度上和逼真度上有所提高。然后,在对枝条进行渲染的同时,利用动力学理论对树木在风中的摇曳进行了计算机模拟,对于小振幅的非末梢树枝利用静力分析来计算他们的变形,而对于振幅较大的末梢树枝的运动是基于波动理论,通过界面可以控制摆动的大小,达到交互的目的。最后,利用OpenGL图形编辑功能,在VC++6.0平台下设计了相应软件开发系统,实现树木的三维建模并验证以上理论方法的可行性,达到了逼真度和实时性上的优化,最终应用于国家863项目“空天”中。
其他文献
普通的分组检测仅仅检测分组的头部,深度分组检测(Deep Packet Inspection)有时也称为完全分组检测,属于应用语义级的检测。随着计算机网络的发展,网络的功能正逐步从简单的“浅层
K-匿名方法是视图发布条件下防止数据隐私泄露的一种重要方法,K-匿名化后的视图称为K-匿名表。当基本表发生更新变化时,如何保持K-匿名表数据与基本表数据的一致性是一个值得