导读:本文包含了叁维模型重建论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,纹理,建模,变量,头部,激光,特征。
叁维模型重建论文文献综述
胡洋,杨小伟,宫帅[1]（2012）在《基于3维激光扫描的3维模型重建》一文中研究指出作为一种新兴的空间信息获取手段,3维激光扫描仪的应用日益广泛。通过3维激光扫描仪获取的点云数据,可用于构建建筑物的整体点云模型,进而生成叁角网模型和实体模型。本文结合工程项目中的实际操作,阐述点云数据采集以及模型构建的主要方法。(本文来源于《测绘与空间地理信息》期刊2012年10期）
林源,林茜,汤锋,唐亮,王生进[2]（2011）在《匹配图像与3维模型特征点的真实感3维头重建》一文中研究指出提出并实现一种基于两张正交图像和一个标准3维头模型,并利用2D图像特征点和3D模型特征点的匹配进行3维头模型重建的算法。首先,进行面部区域和头发区域的分割,利用色彩传递对输入图像进行颜色处理。对正面图像利用改进后的ASM(主动形状模型)模型进行特征点定位。改进局部最大曲率跟踪(LMCT)方法,更为鲁棒的定位了侧面特征点。在匹配图像特征点与标准3维头上预先定义的特征点的基础上,利用径向基函数进行标准头形变,获得特定人的3维头部形状模型。采用重建好的3维头作为桥梁,自动匹配输入图像,进行无缝纹理融合。最后,将所得纹理映射到形状模型上,获得对应输入图像的特定真实感3维头模型。(本文来源于《中国图象图形学报》期刊2011年10期）
盖玉洁[3]（2011）在《若干高维模型变量选择和模型重建问题的研究》一文中研究指出在过去的几十年内,随着网络的日趋发达和计算机存储功能的日益强大,人们可以搜集到金融市场,基因表达,组合化学和其他许多领域内的很多大型数据集。这些数据集通常具有很高的维数(大p,小n)。如果我们直接利用这几万或几十万甚至更多的变量来建模的话,成本会非常高,而且预测效果也会很差。变量选择就是一种从这些变量中选择重要的相关变量来达到稳健建模的技术。本文主要考察了两个方面的问题：变量选择和模型纠偏。一方面,我们研究了种流行的变量选择方法Dantzig选择器的模型选择的相合性,接着我们又研究了适应的Dantzig选择器的大样本性质。二者都是在高维线性模型的背景下研究的。另一方面,对于有偏的子模型,我们通过在模型中添加一个非参项来调整子模型,从而部分地纠正了子模型的偏。关于高维变量选择问题,已经有很多种处理的方法。Dantzig选择器,作为一种有效的变量选择方法,是由Candes and Tao(2007)提出来的,这种方法现在已经成为一种非常流行的变量选择方法。但是它的大样本性质,除了Dickcr and Lin(2009)以外,几乎没有别的文献研究过.Dickcr and Lin(2009)研究了在随机设计,变量个数p是固定的情形下,Dantzig选择器的模型选择相合性。在我们论文的第二章中,我们考虑的是在固定设计的假设下,得到了无论p是固定的还是大于n的时候,Dantzig选择器的模型选择相合性。考虑如下的线性模型其中y=(Y1,Y2,…,Yn)'是一个n×1的响应变量,X=(X1,X2,…,Xn)'=(X1,Xp)是一个n×p维的固定设计阵,其中Xi是x的第i行,而Xj是x的第j列,ε=(ε1,ε2,…εn)是一个n维的独立同分布的误差项,满足E(ε1)=0和E(ε12)=σ2.令T*={j：βj≠0｝,即我们用T*来表示真模型的变量的下标的集合。对于{1,….p｝的一个子集T,|T|表示子集T中元素的个数,T表示子集T在全集{1,2.….p｝上的补集。βT=(βj)j∈T表示β对应于下标在集合T中的分量所构成的|T|×1的向量。记C=X'X/n对于{1,2,…,p}中的子集T1.T2,我们用CT1,T2来表示由矩阵C的分别对应于子集T1,T2中元素的那些行和列所构成的|T1|×|T2|矩阵。我们首先定义了在固定设计下,Dantzig选择器的不可表示条件。假设对于某个E∈{1：2,….,p｝满足|E|=|T*|,Cr*,E是可逆的,则不可表示条件定义为：·不等式成立并且存在一个正常数η满足其中1是一个每个分量都是1的(p一q)×1维向量,并且|.|表示上面的不等式成立指的是不等式的左侧的向量中每个分量的绝对值逐个与右侧的分量比较。这里的不可表示条件指的是不显着的变量不可能由显着变量表示。不可表示条件对于Dantzig选择器的相合性具有非常重要的作用。在不可表示条件成立的条件下我们得到了,无论p(变量个数)是固定的,还是随着n增大的,甚至是关于n以指数的速度增长,Dantzig选择器都是模型选择相合的。这里的相合指的是依概率符号相合,即其中βD(λ)is Dantzig选择器的解,λ是惩罚参数.我们还研究了变量选择后的传统的参数估计的相合性。我们得到了如果显着变量的个数满足q=o(n),变量选择后的传统的参数估计是也是相合的。正如我们在上面的第二章中证明的,只要潜在的真模型满足不可表示条件,Dantzig选择器就具有相合性,但是当不可表示条件不成立的时候,模型选择的相合性就不再满足了。此外,Dantzig估计也达不到Fan and Li(2001)和Fan and Pcng(2004)里给出的oracle性质。我们发现Dantzig选择器的惩罚方式有些不公平,因为所有大小的系数惩罚的程度都是一样的。因此,在第叁章中,我们给不同大小的系数施加不同程度的惩罚,给出了一种加权的Dantzig选择器,这也就是所谓的适应的Dantzig选择器,对于适应的Dantzig选择器,我们研究了它在稀疏高维线性模型下的,对于不同大小的p的渐近性质。我们证明了只要能得到一个合理的初始估计,在适当的条件下,而无需满足不可表示条件,适应的Dantzig选择器具有oracle性质,不管p以多项式的速度还是以指数的速度趋于无穷。即适应的Dantzig选择器的解β(ADS)满足下面两条：(a)P(β(ADS)=sβ)→1,n→+∞(b).(?)(β(ADS)T-βT)→DN(0,1),其中sn2=σ2(?)n'∈Rq满足║(?)n║≤1.第叁章的最后,我们对于p≤n和p>n分别给出了都给出了恰当的初始估计作为适应的Dantzig选择器的权重。在实际应用中,重要变量通常是依据于实际经验被选出来的。例如,在医学上,寻找某种癌症的致病基因都是取决于临床试验,这种做法通常是不可能把所有与癌症有关的基因都选出来的。此外,在某些情况下,既使我们使用一种模型选择相合的变量选择方法,例如Dantzig选择器,我们在一次选择中,也不可能保证总能成功的选出真模型。因此,在实际应用中,我们的子模型通常都是有偏的。如果我们就用这个有偏的子模型来做预测或控制的话,肯定得不到好的结果。因此,纠正或者减小子模型的偏是一件非常必要也是非常有意义的事情。在第四章中,我们对子模型进行重新建模,使得新的模型是可识别的并且无偏的。这里我们不再考虑线性模型,而是考虑一类更广泛的模型-部分线性模型。它的定义为其中Y2响应变量Y的独立同分布的观测值,(Τi,Χi',Ζi')是协变量(T.X',z')的观测值,β=(β1,...,βp)'是一个p维的未知参数向量,γ=(γ1…,γq)'是一个q维的未知参数向量,g(·)是一个未知函数.为了避免维数灾难问题,我们简单的假设T是一维的,ξis是独立同分布的误差项满足这里γ的维数q可能很高甚至随着样本量的增大趋于无穷。我们假设z是相对来说不太相关的变量因此被从全模型中剔除掉了。我们记所得到的子模型为这样的一个子模型是有偏的,因为剔除掉的Z的系数γ中的分量只是相对较小,而非全为零。为了解决此问题,我们利用非参调整的方法得到一个局部无偏的子模型。调整后的子模型形如其中T是某个给定的已知向量。这里提到的局部无偏的子模型指的是我们可以构造一个样本子空间,能够证明当样本落入该给定的子空间的时候,无论是基于调整子模型得到的调整的约束模型估计还是调整的预设检验估计都是相合的。虽然我们只是部分地纠了子模型的偏,但值得庆幸的是,从某种意义上来讲,这样的一个子空间还是足够大的。所以这样的一个局部无偏是接近于全局无偏的。模拟实验和实际数据的应用进一步阐释了文中介绍的各种方法。(本文来源于《山东大学》期刊2011-05-11）
叁维模型重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出并实现一种基于两张正交图像和一个标准3维头模型,并利用2D图像特征点和3D模型特征点的匹配进行3维头模型重建的算法。首先,进行面部区域和头发区域的分割,利用色彩传递对输入图像进行颜色处理。对正面图像利用改进后的ASM(主动形状模型)模型进行特征点定位。改进局部最大曲率跟踪(LMCT)方法,更为鲁棒的定位了侧面特征点。在匹配图像特征点与标准3维头上预先定义的特征点的基础上,利用径向基函数进行标准头形变,获得特定人的3维头部形状模型。采用重建好的3维头作为桥梁,自动匹配输入图像,进行无缝纹理融合。最后,将所得纹理映射到形状模型上,获得对应输入图像的特定真实感3维头模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
叁维模型重建论文参考文献
[1].胡洋,杨小伟,宫帅.基于3维激光扫描的3维模型重建[J].测绘与空间地理信息.2012
[2].林源,林茜,汤锋,唐亮,王生进.匹配图像与3维模型特征点的真实感3维头重建[J].中国图象图形学报.2011
[3].盖玉洁.若干高维模型变量选择和模型重建问题的研究[D].山东大学.2011