在圖案設(shè)計中,通常需要調(diào)整元素的個數(shù)、位置、大小和方向,以及元素與元素之間的距離、角度等關(guān)系,從而將元素排列、組合成結(jié)構(gòu)協(xié)調(diào)、美觀的一個整體。手工圖案設(shè)計是一件耗時費力的事情,而且要求設(shè)計者有較高的美學(xué)基礎(chǔ)。因此,高效的圖案輔助生成瀏覽是計算機圖形學(xué)領(lǐng)域的一個重要研究問題�，F(xiàn)有方法大多以給定的樣本為基礎(chǔ),對樣本進行適當(dāng)變化,得到相應(yīng)的結(jié)果。然而,它們大多只能在元素個數(shù)和拓?fù)浣Y(jié)構(gòu)相同的圖案之間進行新的圖案的生成。不同于這些方法,本文以元素個數(shù)和拓?fù)浣Y(jié)構(gòu)不同的圖案為基礎(chǔ),生成新的圖案,并在生成的圖案之間進行平滑的瀏覽。其難點體現(xiàn)在以下幾個方面:(1)要在不同拓?fù)浣Y(jié)構(gòu)的圖案之間建立良好的對應(yīng)關(guān)系;(2)需要定義新的圖案相似度量標(biāo)準(zhǔn),使其既能融合樣本圖案不同的結(jié)構(gòu)特點,又能引入新的變化;(3)提出優(yōu)化方法快速地找到新圖案。為解決上述問題,本文首先為圖案構(gòu)建關(guān)系圖模型,該模型描述了圖案的結(jié)構(gòu)特征,包括元素的位置、大小、方向,元素與元素之間的關(guān)系,以及關(guān)系之間的關(guān)系等信息。然后,本文提出了一個離散優(yōu)化模型,在圖案與圖案之間建立良好的對應(yīng)關(guān)系。接下來,本文融合兩個圖案的特點并據(jù)此構(gòu)建能量方程。為獲得...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 背景介紹
    1.2 相關(guān)工作
        1.2.1 約束建模的國內(nèi)外研究
        1.2.2 基于拓?fù)涓淖兊淖冃嗡惴ǖ膰鴥?nèi)外研究
        1.2.3 采樣算法的國內(nèi)外研究
        1.2.4 瀏覽算法的國內(nèi)外研究
    1.3 本文方法
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 圖案的關(guān)系圖模型
    2.1 圖案的結(jié)構(gòu)層次
    2.2 關(guān)系圖模型
    2.3 本章小結(jié)
第三章 圖案的對應(yīng)
    3.1 元素之間的對應(yīng)
        3.1.1 圖案元素對應(yīng)的度量
        3.1.2 離散優(yōu)化模型
    3.2 關(guān)系之間的對應(yīng)
        3.2.1 元素的關(guān)系之間的對應(yīng)
        3.2.2 關(guān)系的關(guān)系之間的對應(yīng)
    3.3 本章小結(jié)
第四章 樣本圖案融合及能量方程的構(gòu)建
    4.1 新圖案的產(chǎn)生
        4.1.1 圖案元素的分裂
        4.1.2 圖案元素的合并
    4.2 新圖案關(guān)系的生成
    4.3 面向新圖案的樣本融合
        4.3.1 元素融合
        4.3.2 關(guān)系融合
    4.4 能量方程的構(gòu)建
    4.5 本章小結(jié)
第五章 基于可逆跳轉(zhuǎn)馬爾可夫鏈蒙特卡洛方法的求解
    5.1 馬爾可夫鏈蒙特卡洛采樣算法
        5.1.1 Metropolis-Hastings算法
    5.2 可逆跳轉(zhuǎn)馬爾可夫鏈蒙特卡洛算法
        5.2.1 可逆跳轉(zhuǎn)馬爾可夫鏈蒙特卡洛性質(zhì)
    5.3 面向圖案生成的馬爾可夫鏈蒙特卡洛算法與采樣
        5.3.1 漫移操作
        5.3.2 跳轉(zhuǎn)操作
    5.4 算法優(yōu)化
        5.4.1 算法初始值的選擇
        5.4.2 算法收斂速度的優(yōu)化
    5.5 多樣性保持
        5.5.1 跳轉(zhuǎn)操作設(shè)計
        5.5.2 漫移操作設(shè)計
    5.6 算法
    5.7 本章小結(jié)
第六章 基于高斯過程隱變量模型的圖案插值和瀏覽
    6.1 采樣結(jié)果的展示
    6.2 高斯過程隱變量模型
        6.2.1 高斯過程
        6.2.2 高斯過程隱變量模型
        6.2.3 圖案高維空間的識別
    6.4 圖案高維空間的可視化
    6.5 圖案后處理
    6.6 本章小結(jié)
第七章 實驗結(jié)果
    7.1 完整的算法流程
        7.1.1 關(guān)系圖模型的建立
        7.1.2 元素之間的對應(yīng)以及關(guān)系之間的對應(yīng)
        7.1.3 樣本圖案融合
        7.1.4 可逆跳轉(zhuǎn)馬爾可夫鏈蒙特卡洛結(jié)果
        7.1.5 高斯過程隱變量模型結(jié)果
    7.2 圖案生成
        7.2.1 第一組實驗
        7.2.2 第二組實驗
    7.3 圖案瀏覽
        7.3.1 第一組實驗結(jié)果的瀏覽
        7.3.2 第二組實驗結(jié)果的瀏覽
    7.4 圖案后處理
    7.5 與現(xiàn)有方法的對比與討論
    7.6 用戶調(diào)查
第八章 總結(jié)與展望
    8.1 論文主要工作總結(jié)
    8.2 展望
參考文獻
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件



本文編號：3766605