1) gridding reconstruction
网格化重建
1.
The sampling den-sity compensation in the current gridding reconstruction is accomplished through the convolution of non-Cartesian data,which re-quires calculating a large number of distances between each other non-Cartesian positions when the number of data is large such as PROPELLER.
由于现有网格化重建算法中的密度补偿需要计算每个采样点的密度补偿系数,须对非笛卡尔分布的数据进行卷积运算,给定N采样点,该卷积运算需要N×N/2次距离运算,由于PROPELLER采集的数据量N很大,计算耗时非常长。
2) Remeshing reconstruction
面网格化重建
4) remeshing
重网格化
1.
At the beginning of this paper we give a brief description about the evaluation criteria about the quality of the mesh,then we give a concise introduction about the classical mesh generation technology,subsequently we give a quite thorough statement about the Remeshing method according to their purpose,and at last introduced a new optimizing algorithm by this paper.
在本文中我们首先对网格质量的评价标准做了简单的说明,接着我们对比较经典的的四边形网格生成技术做了一下较为简略的陈述,随后我们按照重网格化方法的最终目的对它们进行了较为详细的介绍,最后我们通过本文引入了一种新的四边形网格优化算法。
2.
Several topics are researched in the thesis, such as subdivision method, mesh simplification and optimization, remeshing, surface reconstruction, reconstruction result analysis,system development and so on.
论文对细分方法、网格简化和优化、重网格化、曲面重构、重构结果分析、重构系统开发等问题进行了系统深入研究,主要内容包括:(1)针对Loop细分模式在细分的过程中,不能保持模型特征,并且网格数量以4倍速度增长的缺点,提出了一种能有效保持特征的自适应Loop细分方法。
3.
Finally,a resampling strategy combining Loop subdivision and Laplacian smoothing is introduced to enhance the quality of remeshing results.
由于Voronoi划分是重网格化算法的瓶颈,采用文中算法能减少划分时条件检测的耗时,从而显著地降低整个重网格化算法的时间复杂度。
5) Remeshing
重新网格化
1.
Spherical Parameterization and Remeshing in Digital Geometry Processing
数字几何处理中球面参数化和重新网格化研究
6) Mesh surface reconstruction
网格表面重建
补充资料：数据网格化
分子式：
CAS号：
性质：将在空间上分布不均匀的数据，按一定的几何形格子归并，求出各格子中数据的平均值，置于格子中心位置，代表该格子的数值所进行的处理。按同一窗口求得的移动平均值就是典型的网格化数据。
CAS号：
性质：将在空间上分布不均匀的数据，按一定的几何形格子归并，求出各格子中数据的平均值，置于格子中心位置，代表该格子的数值所进行的处理。按同一窗口求得的移动平均值就是典型的网格化数据。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条