第ｌＯ卷第２期 ２００７年５月 扬州大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｙａｎｇｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｖｏ１．１０ Ｎｏ．２ Ｍａｙ ２００７
利用ＯｐｅｎＧＬ实现三维物体形状检测可视化
周德芳
（扬州大学信息工程学院．江苏扬州２２５００９）
摘 要：针对三维物体形状检测数据，提出一种简单、可行的基于轮廓线的曲面重构算法，并在Ｃ＋＋ Ｂｕｉｌｄｅｒ ６．０开发平台上，利用ＯｐｅｎＧＬ（ｏｐｅｎ ｇｒａｐｈｉｃ ｌｉｂｒａｒｙ）编程．实现了三维物体形状检测的快速可 视化．
关键词：三维物体；形状检测；曲面重构；数据可视化
中图分类号：ＴＰ ３９１．４１ 文献标识码：Ａ 文章编号：１００７—８２４Ｘ（２００７）０２—００６６—０４
三维物体形状检测技术是计算机图像处理技术的一个重要分支，在机器人视觉、ＣＡＤ、虚拟现实 和医学等领域都有着广泛的应用前景．面结构光投影三角测量法Ｉ１ 是近年发展起来的直接获取三维
图像的检测方法，它具有检测过程完全非接触、准确、快捷、数据空间分辨率高等优点，且成本低，便于
实际应用，有较高的研究价值和发展前景．面结构光投影三角测量法原理如下：通过投影仪向被测 物体表面投射结构光栅，从与投影光轴成一定角度的方向观测到由于物体表面凹凸变化而在其表面
产生的畸变条纹，这些畸变条纹就包含了物体表面形状的三维信息．畸变条纹图像由ＣＣＤ摄像头拍 摄并传送至计算机，经过预处理、阈值分割Ｉ２］、细化［３ 等一系列处理后，便可根据相应的数学模型计算
出被测物体表面的三维坐标数据（即点云数据）．检测获得的大量点云数据，利用ＯｐｅｎＧＩ 强大的图
形构造功能，能够简单、快捷地实现三维检测物体的可视化．
１三维曲面重构建模
三维检测得到的点云数据经过分组排序、数据精简Ｉ４ 等预处理后，将位于同一条纹上的离散点连
接起来，得到一系列曲线，称为轮廓线，本文将在此基础上进行三维曲面重构． １．１基本原理
第ｌ５卷第３期 ２０１２年３月 管理科学学报 ＪＯＵＲＮＡＬ ＯＦ ＭＡＮＡＧＥＭＥＮＴ ＳＣＩＥＮＣＥＳ ＩＮ ＣＨＩＮＡ Ｖｏ１．１５ Ｎｏ．３ Ｍａｒ．２０１２
基于投影降维技术的期权组合非线性ＶａＲ模型①
陈荣达 ，吕 轶
（１．浙江大学管理学院，杭州３１００５８；２．浙江财经学院金融学院，杭州３１００１８）
摘要：高维期权组合ＶａＲ值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增
加．为此，引入投影降维技术，用少数几个风险因子来解释高维期权组合总的风险，并结合快速
卷积方法，建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性 ＶａＲ模型，达到减少计算时间和计算工作量的目的，同时期权组合价值变化的信息又没有太
大的损失．数值结果表明，投影降维技术能够达到与快速卷积方法、Ｍｏｎｔｅ—Ｃａｒｌｏ方法差不多 的估算精度，而计算效率明显优于快速卷积方法、Ｍｏｎｔｅ—Ｃａｒｌｏ方法，计算时间和计算工作量
明显减少． 关键词：期权组合；非线性ＶａＲ；投影降维技术；快速卷积方法；ｔ分布 中图分类号：Ｆ８３０ 文献标识码：Ａ 文章编号：１００７—９８０７（２０１２）０３—００７２—１１
０ 引 言
当市场风险因子数目很大时，度量期权组合
风险的计算时间和计算工作量随着市场风险因子
维数的增加而迅速增加，使得建模和数值计算十 分的困难（Ｗｉｂｅｒｇｌ１１）．这时人们自然想到简化或
减少风险因子的维数而对期权组合价值变化的内
容又没有太大的损失，通过度量低维的与其相似
的另一期权组合价值变化的函数来实现高维期权
组合风险的计算．
由于高维资产所生成的协方差矩阵很庞大，
Ｋｅｒｃｈｅｖａｌ＿２ 对协方差矩阵进行优化，从而减少了
维度，大大节约了度量高维资产组合ＶａＲ值的计 算时间．Ｋｒｅｉｎｉｎ等 Ｊ、Ｊｏｒｉｏｎ＿４ 假设市场风险因子
为多元正态分布，对高维线性投资组合（不含金
第２５卷第４期 ２０１１年８月 江苏科技大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｖｏ１．２５ Ｎｏ．４ Ａｕｇ．２０１１ 多种代数特征抽取方法下的图像分类算法研究 段 旭，高 尚 （江苏科技大学计算机科学与工程学院，江苏镇江２１２００３） 摘要：文中分别用主成分分析、独立成分分析以及线性鉴别分析方法对图像进行特征抽取，同时采用Ｋ近邻算法和支持 向量机算法进行人脸图像分类．通过在ＹＡＬＥ人脸图像库上实验，结果表明：多种特征抽取方法下的图像分类算法是有效 的． 关键词：特征提取；降维；支持向量机；人脸识别 中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１６７３—４８０７（２０１１）ｏ４—０３６９—０３ Ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｐｐｒｏａｃｈｅｓ ｕｓｉｎｇ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄｓ Ｄｕａｎ Ｘｕ，Ｇａｏ Ｓｈａｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｚｈｅ￣ｉａｎｇ Ｊｉａｎｇｓｕ ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｐｅｒｆｏｒｍａｎｃｅ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｆａｃｅ ｉｍａｇｅ ｅｘｔｒａｃｔｉｏｎ ａｍｏｎｇ ｔｈｒｅｅ ｄｉｆｆｅｒｅｎｔ ｆｅａｔｕｒｅ ＣＸ— ｔｒａｃｔｉｏｎ ｍｅｔｈｏｄｓ ｉｎｃｌｕｄｉｎｇ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ，ａｎｄ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏ－ ｎｅｎｔ ａｎａｌｙｓｉｓ．ｉｓ ｍａｄｅ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｍｏｒｅｏｖｅｒ，ｔｈｅ ｆａｃｅ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｓ ａｌｓｏ ｐｅｒｆｏｒｍｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ Ｋ Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ（ＫＮＮ）ａｎｄ Ｓｕｐｐｏ￣Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）ａｌｇｏｒｉｔｈｍｓ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｃｏｎｄｕｃｔｅｄ ｏｎ ｔｈｅ ＹＡＬＥ ｆａｃｅ ｉｍａｇｅ ｄａｔａｂａｓｅ ｄｅｍｏｎｓｔｒａｔｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｆｅａｔｕｒｅ ｓｐａｃｅｓ・ Ｋｅｙ ｗｏｒｄｓ：ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ；ｒｅｄｕｃｅ ｄｉｍｅｎｓｉｏｎａｌｉｔｙ；ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ；ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ 模式识别问题的首要步骤是特征抽取，而线性 鉴别分析（Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ，ＬＤＡ）、主成 分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）和独立 成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＩＣＡ）都 是基于子空间的代数特征抽取方法：其中，ＬＤＡ＿１ 是从高维特征空间里提取出最具有鉴别能力的低 维特征，其基本思想是选取使Ｆｉｓｈｅｒ准则函数达到 极值的矢量作为最佳鉴别矢量集，从而使原始样本 在该矢量集上投影后，达到最大的类间离散度和最 小的类内离散度；ＰＣＡ＿２ 是基于信号的２阶统计特 性，通过它可以提取出样本不具相关性的主要成 分，它将包含人脸的图像区域看作１组随机向量， 通过ＰＣＡ获得１组正交基，其主要优点在于它不 需要人脸的几何和反射知识，可以通过低维子空间 表示对数据进行压缩；ＩＣＡ 是基于信号的高阶统 计特性的分析方法，经ＩＣＡ分解出的各信号分量 是相互独立的，其基本思想是用基函数来表示１个 随机变量集合，它的成分是基于统计独立的，或者 尽可能的独立．相比于几何特征抽取方法，人脸的 代数特征更容易得到，但由于对图像的标准化的要 求较高，因此最终特征分类的好坏与分类器选择有 密切的关系．文中分别用ＰＣＡ，ＩＣＡ，ＬＤＡ方法对图 像进行特征提取，同时分别采用支持向量机（Ｓｕｐ． ｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）和Ｋ近邻算法作为特征 识别的分类方法，这两种方法参考文献［４—５］． １ 图像的特征提取 在对样本构造分类器之前，首先要对样本进 行特征抽取．以此为依据，在计算机人脸识别中， 可以将那些通过大量图像数据处理后获得的特 收稿日期：２０１０—０４—１２ 基金项目：国家自然科学基金资助项目（５１００８１４３） 作者简介：段旭（１９７８一），女，陕西三原人，讲师，研究方向为模式识别与智能系统．Ｅ—ｍａｉｌ：｜ｉｎｇ｜ｉ
多媒体计算机技术笔记
———————————————————————————————— 作者：
———————————————————————————————— 日期:
ﻩ
第一章 多媒体技术概述
1、什么是媒体?1)一是指用以存储信息的实体,如磁盘、磁带、光盘和半导体存储器；２)一是指信息的载体，如数字、文本、声音、图形图像和视频等。
2、CＣITＴ给媒体做的分类？1)感觉媒体:指能直接作用于人的感官,使人能直接产生感觉的一类媒体2）表示媒体:为了加工、处理和传输感觉媒体而人为地研究、构造出来的一种媒体。其目的是将感觉媒体从一个地方向另一个地方传送,以便于加工和处理。表示媒体包括各种编码方式。3)显示媒体:指感觉媒体与用于通信的电信号之间转换用的一类媒体。包括输入显示媒体和输出显示媒体。4）存储媒体：用来存放表示媒体,以方便计算机处理加工和调用，主要指与计算机想着的外部存储设备。５）传输媒体：用来将媒体从一个地方传送到另一个地方的物理载体,是通信的信息载体。
3、多媒体定义:所谓多媒体，是指信息表示媒体的多样化,常见的多媒体有文字、图形、图像、声音、音乐、视频、动画等多种形式。
4、多媒体技术:就是利用计算机技术把文本、声音、视频、动画、图形和图像等多种媒体进行综合处理，使多种信息之间建立逻辑连接，集成为一个完整的系统。
５、多媒体的特征?1)多维化:信息媒体的多样化。２）集成性：不仅指多媒体设备集成，也包含多媒体信息集成或表现集成。３)交互性:是使人们获取和使信息变被动为主动的最为重要的特征。4）实时性：主要指类似声音和视频这样的媒体，与时间密切相关，要求多媒体技术必须支持实时处理。
６、多媒体计算机技术及发展？１）MPC1：19９0年２)MPＣ２:1993年３）MPC3：199５年
7、多媒体系统的关键技术可以分为如下几个方面：a.多媒体数据的处理：软\硬件平台,数据压缩技术，多媒体信息转换及融合理论b.多媒体数据的存储：存储设备，数据存储与管理c．多媒体数据的传输：多媒体计算机网络，服务质量控制,分布式多媒体系统ｄ．多媒体输入\输出技术：输入输出设备，人机界面，虚拟现实技术
