摘要:针对传统 SFS(Shap from Shading)的不足,提出了一种新的基于 BP神经网络的明暗恢复形状的方法,该方法是基于兰伯特 (L am bertian)反射模型的改进算法,利用了 BP神经网络强的非线性映射能力,将 L ambertian表面反射模型与光滑表面模型相结合,然后再利用一些已知条件,构成 SFS问题的正则化模型 ;变换不同的照明条件,将模型平移或旋转获得多幅图象,以增加约束条件 ;计算出误差补偿参数去修正邻域内的三维误差.由于考虑了邻域的平均值,使算法的稳定性和精确性都得到了加强.实例表明,该算法较传统的算法更快和更精确
摘要:针对使用 L 系统进行植物几何建模的具体过程随规则定义的变化而变化的问题,提出了一种较为通用的基于 L 系统规则语言分析器的解决方法,即通过归纳和抽象得到可以定义多种 L 系统规则的语言 L- plants,并为其构造语言分析器,完成 L 系统开始状态和规则的识别,进行规则替换,以形成最终的字符串,最后使用形状语法对字符串进行解释,建立出植物的几何模型.实验证明,该方法可以较大幅度地提高植物几何建模的效率