本书目录 第Ⅰ部分 几何复杂性 第1章 实现照片级真实感的虚拟 植物 5 1.1 场景管理 6 1.1.1 种植栅格 6 1.1.2 种植策略 6 1.1.3 实时优化 7 1.2 草层 7 1.2.1 通过溶解模拟Alpha透明 9 1.2.2 变化 10 1.2.3 光照 11 1.2.4 风 12 1.3 地面杂物层 12 1.4 树和灌木层 13 1.5 阴影 14 1.6 后处理 15 1.6.1 天空圆顶辉散 16 1.6.2 全场景辉光 16 1.7 本章小结 17 参考文献 1

介绍了一种简单而有效的压缩感知（CS）框架内的测量矩阵构建算法（MMCA）。 在CS框架中，测量矩阵Phi和稀疏矩阵（基本）psi之间的较小相干性可以导致更好的信号重建性能。 在本文中，我们通过迭代采用收缩和交替投影技术来达到此目的。 最后，优化测量矩阵Phi和固定稀疏矩阵psi的列之间的相干性可以大大降低，甚至接近于Welch界。 已经进行了广泛的实验以测试所提出算法的性能，并将其与最新算法进行比较。 我们得出的结论是，使用提出的MMCA的贪婪算法（例如，正交匹配追踪（OMP）和正则化OMP）

介绍了一种在压缩感知框架内的简单测量矩阵构造算法（MMCA）。 在压缩感测中，测量矩阵和稀疏字典（基本）之间的较小相干性可以具有更好的信号重建性能。 随机测量矩阵（例如，高斯矩阵）已被广泛使用，因为它们与几乎所有稀疏基数都具有较小的相干性。 但是，通过降低与固定稀疏基的相干性来优化测量矩阵将大大提高CS的性能，这一结论已被许多先前的研究人员很好地证明。 基于以上分析，我们通过迭代采用收缩和奇异值分解（SVD）技术来实现此目的。 最后，优化矩阵和稀疏字典的列之间的相干性可以大大降低，甚至接近韦氏边