试析三维几何网格模型压缩算法的研究

《试析三维几何网格模型压缩算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京理工大学硕士学位论文三维几何网格模型压缩算法的研究姓名：杨凡申请学位级别：硕士专业：计算机软件与理论指导教师：王树梅20060601硕士论文三维几何两格模型压缩算法的研究摘要本文主要讨论了三维几何网格模型的几何压缩算法的现状。并针对目前拓扑压缩算法大都仅适用于三角形网格的现状，提出一种新型的无损压缩算法以及其实现方法。该算法的特点如下：1．以四边形为单元对模型进行抽象。应用于相同三角形规模的模型，用四边形作为抽象单元的算术编码方式比以三角形为单元的编码方式效率高近2倍。2．就以四边形为单元抽象后的模型提出了按比特存储单元信息的方法

2、。该方法解决了由一个字节存储一个单元信息所造成的资源浪费，大大提高了压缩率。3．本文针对多组模型进行了不同压缩算法的实验。在对实验数据的分析和比较后，得出结论，在相同的压缩算法复杂度的算法集中，本文所提出的压缩算法编码简单，压缩率较高，是一种实用的无损压缩算法。关键字：三维几何网格，几何压缩，算术编码硕士论文兰维几何网格樽型压缩算法的研究AbstractSubjectresearchedtheexitinggeometrycompressionalgorithmsforuiangularmeshes．Furthermore，unlik

3、emostexisting011eS，ancxNun-reduccdcompressalgorRhlmanditsapplicationaregive也Thefeatureofthisalgorithimisasfollows：1．Themethodreformsthemodelinpolygonmsll．Accordingtoothermethodswhoreformthesamemodelwithtrianges，thefirstonehastwiceefficiencybythesecond．2．Themethodmcmerie

4、sthecompressedinformationbybits．Itsavesthememoryspacewhichiswastedbythemethodmemoryingaunioninonebyte．Afterall，itimprovesthecompressingefficiencyobviously．3．Subjectfrieddifferentfeaturetemplateandshowedthecontrastdata．Itshowedthatwithinothercompressingmethodswhohavethes

5、amecomplex，oursisasimple,highcompressingeffiecentun-reducedmethod．KeyWords：polygonmsll，geometrycompression,arithrneticencoding．Ⅱ声明尸明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：雀

6、鱼Q加厶年口钥刀日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：垄堑堡‰‘年衫月7日硬士论文兰维几何网堵模型压缩算法的研究1引言1．1研究背景及意义1．1．1背景三维计算机图形学是CAD、计算可视化和虚拟现实等技术的基础理论科学。随着计算机技术的提高，三维图形学已经取得了飞速的发展。三维几何图形压缩编码是三维计算机图形学的一个分支。近年

7、来，大量的研究使得该领域取得了长足的进步，并获得了一些有实用价值的研究成果。不过，三维几何图形的编码本身还是有一些关键问题有待解决，研究的空间还是很大．随着三维模型获取手段的不断丰富，创建和编辑软件功能的不断强大，三维模型在计算机图形学诸多应用颁域中使用的范围越来越广泛，使用的层面越来越深入。从简单的增强视觉效果到利用其直观性进行人机交互，三维模型在工业制造、产品设计、建筑设计、模拟仿真以及娱乐业等诸多领域中扮演着日益重要的角色。近年来，因特网的发展速度和规模远远超出人们的预期，网络已经深入到人们日常工作、生活的方方面面，通过网络远程

8、获取和访问三维模型已经变得司空见惯．尽管Pc机图形显示卡的数据处理能力和网络带宽都已经取得长足的进步，但与三维模型日益精细所带来的数据量和复杂程度的急剧增长相比，仍显得捉襟见肘。在这样的背景下，寻找新的算法来更有效地表达