拓扑结构可变的图案生成和浏览算法

发布时间：2023-03-20 03:37

　　在图案设计中,通常需要调整元素的个数、位置、大小和方向,以及元素与元素之间的距离、角度等关系,从而将元素排列、组合成结构协调、美观的一个整体。手工图案设计是一件耗时费力的事情,而且要求设计者有较高的美学基础。因此,高效的图案辅助生成浏览是计算机图形学领域的一个重要研究问题。现有方法大多以给定的样本为基础,对样本进行适当变化,得到相应的结果。然而,它们大多只能在元素个数和拓扑结构相同的图案之间进行新的图案的生成。不同于这些方法,本文以元素个数和拓扑结构不同的图案为基础,生成新的图案,并在生成的图案之间进行平滑的浏览。其难点体现在以下几个方面:(1)要在不同拓扑结构的图案之间建立良好的对应关系;(2)需要定义新的图案相似度量标准,使其既能融合样本图案不同的结构特点,又能引入新的变化;(3)提出优化方法快速地找到新图案。为解决上述问题,本文首先为图案构建关系图模型,该模型描述了图案的结构特征,包括元素的位置、大小、方向,元素与元素之间的关系,以及关系之间的关系等信息。然后,本文提出了一个离散优化模型,在图案与图案之间建立良好的对应关系。接下来,本文融合两个图案的特点并据此构建能量方程。为获得...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 背景介绍
    1.2 相关工作
        1.2.1 约束建模的国内外研究
        1.2.2 基于拓扑改变的变形算法的国内外研究
        1.2.3 采样算法的国内外研究
        1.2.4 浏览算法的国内外研究
    1.3 本文方法
    1.4 论文组织结构
    1.5 本章小结
第二章 图案的关系图模型
    2.1 图案的结构层次
    2.2 关系图模型
    2.3 本章小结
第三章 图案的对应
    3.1 元素之间的对应
        3.1.1 图案元素对应的度量
        3.1.2 离散优化模型
    3.2 关系之间的对应
        3.2.1 元素的关系之间的对应
        3.2.2 关系的关系之间的对应
    3.3 本章小结
第四章 样本图案融合及能量方程的构建
    4.1 新图案的产生
        4.1.1 图案元素的分裂
        4.1.2 图案元素的合并
    4.2 新图案关系的生成
    4.3 面向新图案的样本融合
        4.3.1 元素融合
        4.3.2 关系融合
    4.4 能量方程的构建
    4.5 本章小结
第五章 基于可逆跳转马尔可夫链蒙特卡洛方法的求解
    5.1 马尔可夫链蒙特卡洛采样算法
        5.1.1 Metropolis-Hastings算法
    5.2 可逆跳转马尔可夫链蒙特卡洛算法
        5.2.1 可逆跳转马尔可夫链蒙特卡洛性质
    5.3 面向图案生成的马尔可夫链蒙特卡洛算法与采样
        5.3.1 漫移操作
        5.3.2 跳转操作
    5.4 算法优化
        5.4.1 算法初始值的选择
        5.4.2 算法收敛速度的优化
    5.5 多样性保持
        5.5.1 跳转操作设计
        5.5.2 漫移操作设计
    5.6 算法
    5.7 本章小结
第六章 基于高斯过程隐变量模型的图案插值和浏览
    6.1 采样结果的展示
    6.2 高斯过程隐变量模型
        6.2.1 高斯过程
        6.2.2 高斯过程隐变量模型
        6.2.3 图案高维空间的识别
    6.4 图案高维空间的可视化
    6.5 图案后处理
    6.6 本章小结
第七章 实验结果
    7.1 完整的算法流程
        7.1.1 关系图模型的建立
        7.1.2 元素之间的对应以及关系之间的对应
        7.1.3 样本图案融合
        7.1.4 可逆跳转马尔可夫链蒙特卡洛结果
        7.1.5 高斯过程隐变量模型结果
    7.2 图案生成
        7.2.1 第一组实验
        7.2.2 第二组实验
    7.3 图案浏览
        7.3.1 第一组实验结果的浏览
        7.3.2 第二组实验结果的浏览
    7.4 图案后处理
    7.5 与现有方法的对比与讨论
    7.6 用户调查
第八章 总结与展望
    8.1 论文主要工作总结
    8.2 展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3766605