稀疏Wasserstein蓝噪采样

发布时间：2021-01-16 17:52

　　现实空间中的物体往往包含复杂的形状信息,利用一种被称为三维扫描的高新技术能够在计算机中初步重现这些信息。但是由于扫描设备技术支持上的不完善,限制了这些信息的完备性,导致得到的数据存在许多缺陷。根据实际需求,本文对蓝噪采样进行深入研究,为后续工作提供便利。本文的研究工作首先严谨地完善相关理论,再逐步展开到实际应用。以多尺度分层分区的离散最优传输理论为基础,通过对概率测度和概率密度模型的探讨,完成多尺度分层分区模型下的稀疏蓝噪采样算法。然后利用稀疏蓝噪采样框架对单类和多类采样问题进行研究,并且扩展应用到自适应采样和点画采样。本文主要工作是对Wasserstein蓝噪采样算法的稀疏性表达,稀疏蓝噪采样算法使得内存需求显著性降低。本文创新点在于以下两个方面:1.基于多尺度分层分区最优传输理论的稀疏蓝噪采样算法Wasserstein蓝噪采样方法通过一组密度分布约束Wasserstein重心提供了一种松弛采样方法,但是它在内存成本上付出了沉重的代价,因为在最优传输问题的求解中用到的全局密集距离矩阵会消耗大量内存。为降低内存损耗以适应大规模数据,本文提出多尺度分层分区的稀疏蓝噪采样算法。通过求解一系... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

点云获取技术

究者提出利用如图 2.1 的四叉树结构[25]加网格大小为2dR，这个值适应于半径为dR 的网格。Gamito 和 Maddock[26]先是扩展采维度的结果，利用空间细分数据结构（2中是等价的结构）实现了一种生成泊松样入新样本的空间区域，同时他们所提出 O( n log n) ；此外，对于 Gamito 和 Mad算法时间复杂度高的问题，Jones 和 Karg式生成算法，该方法基于一个区域网格，

重庆邮电大学硕士学位论文 第 2 章 采样技术相关工作确定的问题。原理在于迭代地调整采样点位置的同时扩大采样半径，最终达到固定泊松盘的目的；另外一种简单的 PPO[21]推拉优化算法通过加强给定点集的空间约束实现蓝噪采样，约束包含样本之间的最小距离、任意点和最近样本之间的最大距离、以及样本容量与平均容量的最大偏差，所有约束都是基于德劳内三角剖分中出现的拓扑。

【参考文献】：
期刊论文
[1]基于采样半径优化的最大化Poisson圆盘采样[J]. 全卫泽,郭建伟,张义宽,孟维亮,张晓鹏,严冬明.  中国科学:信息科学. 2017(04)
[2]点云驱动的计算机图形学综述[J]. 伍龙华,黄惠.  计算机辅助设计与图形学学报. 2015(08)
[3]Poisson disk sampling through disk packing[J]. Guanghui Liang,Lin Lu,Zhonggui Chen,Chenglei Yang.  Computational Visual Media. 2015(01)

硕士论文
[1]海量点云预处理算法研究[D]. 戴静兰.浙江大学 2006



本文编号：2981271