基于三进制的loop细分方法

doi:10.3778/j.issn.1002-8331.2010.18.059

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 190-191.DOI: 10.3778/j.issn.1002-8331.2010.18.059

• 图形、图像、模式识别 • 上一篇下一篇

基于三进制的loop细分方法

宋双柱¹，孙大松²，彭晓光¹，孙立镌¹

1.哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080
2.哈尔滨理工大学计算中心，哈尔滨 150080

收稿日期:2009-11-23 修回日期:2010-04-26 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 宋双柱

Loop subdivision based on ternary

SONG Shuang-zhu¹，SUN Da-song²，PENG Xiao-guang¹，SUN Li-juan¹

1.College of Computer Science and Technology，Harbin University of Science and Technology，Harbin 150080，China
2.Computing Center，Harbin University of Science and Technology，Harbin 150080，China

Received:2009-11-23 Revised:2010-04-26 Online:2010-06-21 Published:2010-06-21
Contact: SONG Shuang-zhu

摘要/Abstract

摘要： 提出了一种基于三进制的loop细分算法。该算法主要是借鉴多分辨率分析中三进制双正交对称插值小波的形成原理，将三进制的概念引入到loop细分方法中，然后分析其细分矩阵，从而得到了三进制loop细分算法。实例表明，该算法能用较少的细分次数获得理想光滑的曲面，从而提高了细分的收敛速度。

关键词: 三进制, loop细分, 多分辨率分析, 小波

Abstract:

A new ternary subdivision scheme is presented in this paper.Firstly as example for quadratic B-spline，by analysis the elements of ternary subdivision，the paper obtains ternary subdivision scheme of quadratic B-spline curve.Then binary loop subdivision is extended to ternary subdivision scheme.Accord to the research of the subdivision matrix，subdivision rule is obtained.Practical examples show that in ternary loop subdivision the speed of convergence more quickly than binary loop subdivision，and the subdivision surface is smooth.

Key words: ternary, loop subdivision, multi-resolution analysis, wavelet

中图分类号:

TP391

宋双柱¹，孙大松²，彭晓光¹，孙立镌¹. 基于三进制的loop细分方法[J]. 计算机工程与应用, 2010, 46(18): 190-191.

SONG Shuang-zhu¹，SUN Da-song²，PENG Xiao-guang¹，SUN Li-juan¹. Loop subdivision based on ternary[J]. Computer Engineering and Applications, 2010, 46(18): 190-191.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[8]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[9]	杨刚，薛挺，高伟. 一种抗运动干扰的实时心率提取方法[J]. 计算机工程与应用, 2019, 55(5): 244-250.
[10]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[13]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[14]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[15]	彭燕，刘宇红，张荣芬. 基于LSTM的股票价格预测建模与分析[J]. 计算机工程与应用, 2019, 55(11): 209-212.

基于三进制的loop细分方法

Loop subdivision based on ternary

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics