基于BP神经网络的隐式曲线构造方法

摘要：

隐式曲线与曲面是当前计算机图形学研究的热点之一.通过把BP神经网络与隐式曲线构造原理相结合,提出了一种构造隐式曲线的新方法,即首先由约束点构造神经网络的输入与输出,把描述物体边界曲线的隐式函数转化为显式函数;然后用BP神经网络对此显式函数进行逼近;最后由仿真曲面得到物体边界的拟合曲线.该新方法不同于传统的对显式函数的逼近方法,因为传统方法无法描述封闭的曲线;也不同于基于优化的拟合隐式曲线方法,因为它无须考虑函数的形式或多项式的次数.实验表明,该新方法有很强的物体边界描述能力和缺损修复能力,因而在物体边界重建、缺损图像复原等领域有一定的应用前景.

关键词：隐式多项式曲线、拟合、BP神经网络、物体边界描述

所属期刊栏目：9

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2004-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1107-1111