基于KMEANS的网格简化算法-计算数学专业论文.docxVIP

研究生优秀毕业论文 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 在计算机图形领域，一个三维图形是由大量的多边形网格组成，三维图形越逼真，所需 的多边形网格数目就越多，图形的拓扑结构就越复杂，对图形的处理难度也就越大．针对图 形领域应用的场景的不同，需要图形的复杂度也不一样，但是现有的网格模型曲面简化算 法在较小的时间复杂度的同时，牺牲了聚类后的简化质量，得到的结果往往并不是最理想 的简化结果．本文提出了一种新的基于面聚类的网格聚类简化算法．该算法利用最远测地 距自适应划分取得采样点，在采样点的基础上，利用区域增长的方法进行聚类，在聚类的过 程中，利用PCA算法和KMeans算法使得簇的边缘比较紧实．在不改变原模型曲面拓扑结 构的基础上，大大降低模型计算的复杂度．该算法实现的过程比较简单，速度快且能根据输 入的采样点决定简化后图形的网格数目．在保证时间复杂度较小的同时，还能很好地保持 图形的边界特征． 关键词：网格聚类；最远测地距；PCA算法；KMeans算法；采样点 万方数据 基于KMEANS的网格简化算法Abstract 基于KMEANS的网格简化算法 Abstract Grid clustering model in computer graphics applications field such as computer animation， interactive visualization and virtual reality has broad prospect．The existing鲥d clustering algorithm may be spend more time in complex，but the result is not the perfect．Especially the data point clustering in accurate phenomenon at the edge of the clusters．This paper proposes a new clustering algorithm based on face clustering，In order to getting the sampling points，the algorithm utilizes the most far geodesic distance adaptive divided．Based on the sampling points，we utilizes the function of measurement to clustering triangle mesh，and then take advantage of PCA algorithm and K／VIeans algorithm make the cluster more compact and regular．Without changing the original model data,the complex computing time greatly reduced．The algorithm is simple，fast and good to keep the boundary feature．A set of illustrations are given to show the effectiveness of the algorithm． Key Words：mesh clustering j Dijkstra distance；PCA algorithm；kmeans j sampling point —II 万方数据 大连理工大学硕士学位论文目 大连理工大学硕士学位论文 目 录 摘 要 ．I Abstract． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ．． ． ． ．． ．．． ． ．．． II 引 言 l 1 绪论 ．5 1．1 国内外相关研究进展 7 1．2本文的主要工作及内容安排 8 2简化收敛误差 1 1 2．1 多边形网格模型概念 ．11 2．2多边形网格模型相似性 ．11 2．2．1 模型外观相似性 ．．1l 2．2．2模型几何相似性 ．．12 3网格简化方法 15 3．1 曲线和函数的简化 ．16 3．2高度场 ．16 3．3 曲面简化 ．17 3．3．1 网格删减算法 ．．18 3．3．2 网格顶点聚类算法 一22 3．3．3 网格边收缩算法 ．．25 3．3．4网格曲面细分算法 ．．27 3．3．5 区域合并算法 ．．30 4基于KMEANS网格简化算法 ．3 1 4．1 距离度量 ．3 1 4．2 PCA算法