基于SFS方法的三维表面重建算法研究

SFS(由明暗恢复形状)方法研究是计算机三维视觉研究领域中的一个重要分支.以朗伯体光照漫反射模型为基础,对物体表面图像明暗恢复其表面高度和梯度的抽象模型进行分析,研究基于朗伯体定律求解受光点梯度的算法及SFS方法的实现原理.     

从明暗恢复形状（SFS）的几类典型算法分析与评价

从明暗恢复形状（shape from shading,简称SFS）是计算机视觉中三维形状恢复问题的关键技术之一,其任务是利用单幅图象中物体表面的明暗变化来恢复其表面三维形状。为了使人们对SFC研究现状及求解SFS问题的各种算法的优缺点有个概略了解,首先介绍了求解传统SFS问题的4类方法中几个典型算法的基本原理及求解方法,并给出了实验结果,然后从算法解的唯一性、对真解的逼近程度、求解效率及适用范围等方面对这4类算法进行了比较和评价。     

基于SFS原理的SMT焊点表面三维重构技术研究

基于明暗重构形状原理重构表面组装焊点的表面三维形状过程是:先通过图像采集设备,采集到SMT焊点图像,使用相关的图像处理技术,对SMT焊点图像进行处理;根据一个确定的反射模型建立物体表面形状与图像亮度之间的约束关系和物体表面形状的先验知识建立物体表面形状参数的约束关系,然后对这些约束关系联立求解,可得到物体表面的三维形状.同时针对不可接受SMT焊点图像重构出的三维图像不够理想的缺点进行了改进.在阐述其基本思想和原理的基础上,结合实例介绍了该技术的实现方法与步骤,对其中焊点图像的获取与处理、焊点三维重构技术算法等主要内容与关键技术进行了研究和探讨,并对结果进行了分析验证.     

从阴影恢复形状的径向基函数反射模型研究

目的 为解决传统阴影恢复形状（SFS）算法由于光源方向初始信息估计不准确,恢复的物体表面过于光滑,3维表面形状误差较大等问题,建立了基于径向基函数神经网络的反射模型,并对传统的神经网络进行了改进。方法 建立的基于径向基函数（SFS）神经网络的从阴影恢复形状反射模型代替了传统方法中采用的理想朗伯体表面反射模型。该模型利用径向基函数优秀的局部映射和函数逼近能力来处理SFS问题,通过网络训练过程中的权值代替物体所受到的初始光源信息,解决了传统算法在进行计算时,必须已知光源参数的限制。在该网络模型中添加自适应学习率算法,加速网络的收敛和训练速度。结果 针对SFS问题处理的两幅经典合成图像以及两幅实际图像进行了实验,实验结果表明,改进后的算法在3维视觉效果和3维形状信息的恢复方面都明显优于传统算法。归一化后的3维高度误差结果相比传统算法缩小了60%以上,而且同时适用合成图像和实际图像;自适应学习率的加入,使得网络的训练速度大大加快,对一幅128×128像素的图像,运算速度提升了50%。结论 本文针对SFS问题建立了基于RBF神经网络的从阴影恢复形状反射模型,利用网络模型中的参数代替SFS问题中的初始光源信息,通过最优化方法求解SFS问题。并针对传统的神经网络固定学习率造成网络收敛速度慢,容易陷入局部极小值的问题,加入了自适应学习率算法。实验结果表明,改进后的算法在处理该SFS问题时表现了优秀的性能,适用范围更广,收敛速度更快。     

点光源照明参数估计的算法研究

针对使用朗伯反射模型描述漫反射表面的形状恢复算法存在较大误差的问题,提出了一种偏角的计算和特定方向的选择相关的点光源参数估计的从明暗恢复形状的算法.首先假定摄像机采用正交投影,方向与光源方向一致,建立适合漫反射表面的图像辐照度方程,然后将方程转化为包含物体深度信息的偏微分方程,使用点光源估计方法应用于SFS技术的线性化方法,进而得到物体表面的三维形状.合成人脸的PGM格式的图像实验结果表明,采用改进的算法成像准确,且深度信息值域比较宽,效果满足要求.     

基于形态学的SFS法物体表面三维恢复*

目前采用的从明暗恢复形状（shape from shading,SFS）法存在对物体表面光滑度要求高,对噪声敏感等问题,为此,提出了一种基于数学形态学的SFS法,通过数学形态学提取图像灰度函数的峰、谷、脊、沟,鞍等形状特征,并采用球状点假设法确定物体的表面方向,恢复物体三维表面。实验表明,该方法具有更好的精度和抗噪性能。     

基于Phong模型的明暗恢复形状的新算法

针对传统的混合表面形状恢复算法存在较大误差的问题,提出一种透视投影下从单幅图像混合表面明暗信息恢复形状的新算法。采用Phong反射模型来描述物体表面反射特性,假设光源处于相机的光心处,建立透视投影下的图像辐照度方程。然后由辐照度方程构造包含物体深度信息的Hamilton Jacobi偏微分方程,引入局部高阶LLF通量分裂格式和五阶WENO格式逼近微分方程的粘性解,最终得到物体表面三维形状。实验结果表明,与传统算法相比,新算法的恢复高度的最大误差和平均误差均显著降低。     

基于多粒度匹配的高超速飞行体三维重构方法

针对高超速飞行体在飞行过程中能获取到的图像信息较少,无法完全复现其轮廓信息,提出一种基于多粒度匹配的三维重构优化方法。首先通过两台高分辨率CCD相机正交的阴影照相站系统采集高超速飞行体多幅图像信息,利用图像分割技术提取物体的二维轮廓;然后采用改进的SFS算法求解出物体表面各点的相对高度和表面法向量,恢复其三维形貌;最后使用图像拼接优化技术实现高超速飞行体表面的三维重构。并经过实体模型的三维重构验证所提方法的可行性及有效性。     

由单幅二维灰度图像重构物体表面形状*

鉴于目前很少有论文讨论完整的由单幅二维灰度图像重构物体表面形状的算法,包括它的控制参数的估计及算法的实现,介绍了一种完整的SFS算法.它在考虑自遮掩影响的情况下,有效地估计了SFS算法中涉及的各种控制参数,并引入亮度约束、灰度梯度约束和可积性约束,计算出表面高度和表面向量,实现三维重构.与传统的算法相比,本算法无论是在速度还是在精度方面都达到了比较高的水平,具有一定的应用前景.最后还指出了在MATLAB中实现需要注意的问题.     

基于混合反射模型的SFS有限元方法的研究

提出了基于混合反射模型的由明暗恢复物体三维形状的有限元算法。用正方形面元逼近光滑曲面,把曲面表示为所有节点基函数的线性组合;基于既含有漫反射成分又有镜面反射成分的混合模型,结合节点基函数,将反射图线性化。考虑数字图像的特点,直接使用离散形式的SFS问题的亮度约束形式,用最小化方法得到高度满足的线性方程;使用Kaczmarz算法计算出表面三维形状。使用合成图像和实际图像验证该文算法的有效性,探讨了该算法的性能。     

基于特征线梯度约束SFS的月面地形重构方法

针对月面着陆器在下降过程中可能得不到足够的匹配点进行着陆区地形恢复的问题,提出了基于特征边缘线梯度比例约束的明暗恢复形状(shape from shading)算法。以Lommel-Seeliger反射模型模拟月球表面反射情况,建立辐照度方程。以地形特征边缘提取结果为基础,经过最小二乘拟合后,求解临近点的梯度比例因子,并通过表面光滑模型约束,演化得到剩余影像点的梯度比例因子,实现了对辐照度方程的量化约束,使得SFS问题正则化。采用模拟影像和真实月面影像对所提出的算法进行了测试分析,实验结果表明,所提出的算法能够有效的进行三维地形恢复,且恢复精度优于经典SFS算法中对实际地形恢复效果最好的Tsai算法。     

一种快速精确的人脸三维形状重构新方法

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     

基于分形的从明暗恢复形状算法研究

从明暗恢复形状是计算机视觉领域中的经典病态问题，传统方法是通过引入光滑约束等条件来获得问题的解，但传统方法存在因过平滑而失真的缺点。针对传统方法恢复结果的局限性，提出了一种基于分形约束的从明暗恢复形状的新算法，该方法首先给出分形约束条件，之后结合反射图线性化与最小能量法来计算出曲面高度。该方法不仅克服了传统算法因基于光滑假设所造成的恢复结果过分平滑而失真的缺点，且不需要可积性的约束条件，也不需要对边界条件的假设，实验结果表明，该方法用于自然景物的三维表面重构，可获得比传统方法更好的恢复效果。     

梯度约束SFS的月面地形重构

目的 解决月面着陆器在下降过程中可能得不到足够的匹配点进行着陆区地形恢复的问题。方法 基于特征边缘线梯度比例约束的明暗恢复形状（shape from shading）算法。首先以Lommel-Seeliger模型模拟月表反射情况,建立辐照度方程;然后以地形特征边缘提取结果为基础,经过最小二乘拟合与表面光滑模型约束后,演化得到剩余影像点的梯度比例因子,实现对辐照度方程的正则化约束。结果 经过测试得到模拟影像的平均相对恢复精度可以达到-0.199,真实影像月面可以达到0.051和0.022。结论 本文算法能够有效地进行3维地形恢复,且恢复精度优于经典SFS算法中对实际地形恢复效果最好的Tsai算法。     

一种基于多面体模型的从明暗恢复物体形状方法

针对目前“从明暗恢复物体形状方法”存在的问题,提出了以多面体模型为基础的快速算法,根据向量场的分布建立关于物体表面深度信息的超定线性方程组,在最小二乘意义下求得物体表面的深度值。该算法能从已知光照条件下的单幅或多幅图像中恢复物体表面的三维结构,形成以像素为精度的物体表面多面体模型。实际计算表明该算法计算速度快,能适应单一反射系数的任意物体表面的形状恢复。     

三维重建中曲面反照率值的估计与应用

从单幅图像获得物体的表面高度是计算机视觉中的一个重要研究领域,其中一种重要的方法就是从明暗恢复形状(ShapefromShading,简称SFS)。在SFS的各种不同算法中都需要曲面的反照率值,反照率值的估算是否准确直接影响了三维重建的效果。针对反照率值的估算,已经产生了很多有效的算法。文中讨论了三种反照率值的估计算法及其优缺点,并将局部反照率估计算法引入到三维重建中,解决了由全局反照率值重建的弊端。     

一种用于立体感增强的SFS改进算法

表面重建是计算机立体视觉中的一个重要研究领域,SFS(shape from shading)是单帧图像立体感增强的有效方法之一。为了更好地利用SFS对图像进行增强,在对朗伯体表面反射模型进行详细分析和对影响3维重建结果的关键因素进行讨论的基础上,提出了一种改进的SFS算法,并给出了具体的步骤和计算方法。实验表明,该算法的确改善了立体显示的效果。     

自适应步长的Alpha‑shape表面重建算法

三维物体表面重建在现代临床医学、场景建模和林业测量等方面有着重要应用价值。为了更好地理解三维物体表面形状,本文先介绍了三维空间离散点集的Alpha形状的相关概念。在分析表面重建的Alpha?shape算法的基础上,本文提出一种自适应步长的Alpha?shape算法。通过kd?tree和k近邻平均距离来动态更新α值,使得算法在处理点集密度较大的区域时也能以较少的遍历次数进行表面重建,从而改善了重建效果并提高了算法运行效率。大量随机数据和现实三维采样数据的实验结果表明,本文提出的改进算法与原始算法相比,能大幅度地提高运行效率。