基于神经网络的三维重建

从明暗恢复形状(shapefromshading,即SFS)是计算机视觉研究领域的一个热门话题。SFS利用图像中明暗变化与物体平面特征的对应关系来恢复物体表面特征。传统方法有估计光源方向,引入梯度光滑约束等方法,但传统的方法存在误差大,重建后物体表面过于光滑等问题,不适合表面起伏大的电镜图像的重建。本文提出以高度z连续作为约束条件,利用神经网络对单幅电镜图像进行重建的算法,并在实验中取得很好的重建效果。     

基于径向基函数网络的SFS算法研究

分析了现有从明暗恢复形状(SFS)的几种方法普遍存在对恢复的形状的连续性和光滑性的缺点，提出了一种基于径向基函数网络模型进行从明暗恢复形状的新算法。该算法先采用网络构造一个曲面方程，再利用反射函数作为约束条件，通过调整权因子和径向基函数中心和宽度对网络进行自学习，得到一个满意的曲面方程。理论和实验证明，该算法在恢复形状的准确性和曲面的光滑性，连续性上有较大改进。     

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     

基于向量量化的图像超分辨率方法

受分形编码思想启发,提出了一种新的基于向量量化的图像超分辨率方法。该方法使用学习算法来获取单幅输入图像中的高频信息和低频信息之间的对应关系,并利用此关系对输入图像的一个倍频程的空间频率内添加图像细节以获得高分辨率图像。该方法克服了传统插值方法中因过度平滑导致图像模糊和纹理保持较差的缺点,能够重现出传统插值方法不能复原出的一些高频图像细节。实验结果显示该算法在客观和主观上都比传统插值方法有更好的评价。     

分形地形的自动变形算法

已有的一些算法或手工方法虽然可以对分形地形的形状和属性进行控制,但存在着效率不高、控性不灵活的缺点.提出了一种新的分形地形的变形算法,它不需要人工干预而对地形进行自动变形.将约束条件定义为匹配度函数,通过四又树细分方法确定地形修改区域,从而对分形地形进行变形以适合限制条件.试验结果表明,这种算法不但可以对地形变形进行灵活自由的控制,同时还尽可能地保留了分形地形的自然特征.     

基于适应度函数的无人船遗传算法航径规划

遗传算法通过适应度函数选取最优的路径,采用了无人船转弯半径来改进适应度函数,实现无人船遗传算法航径规划。考虑到无人船机动性能对航迹平滑性的要求,在初始种群中利用贝塞尔曲线优化方法,将原有的折线路径优化成光滑的曲线路径;在适应度函数中添加曲率判断,以无人船最小转弯半径为约束条件,设置曲线路径的最大曲率,最后通过适应度函数筛选出符合约束条件的光滑路径。仿真结果表明,所提出的方法能获得符合无人船最小转弯半径约束的光滑路径,相比于平滑算法,该方法的曲率更小,收敛速度更快。     

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。     

异构群体队形光滑变换控制方法

针对现有群体队形控制方法在队形变换异构性、光滑性、条理性等方面的不足,提出一种基于几何约束机制的受限异构群体队形控制方法.首先采用Morphing方法生成由初始形状平滑变换到目标形状的一系列中间约束形状;然后引入基于质心的容量限制Power图对个体在约束形状中的内部布局进行建模,产生所需的异构分布;最后提出面向Power图的Lloyd导航算法,以控制个体进行无碰撞的光滑移动.实验结果表明,该方法稳定可靠,队形变换平滑流畅,非均匀人群分布可用于制作自然的群组动画和仿真真实场景,适用于不同规模、不同队形的异构群体队形控制.     

基于SFS方法的三维重构及精度分析

从明暗恢复形状(SFS)是计算机视觉中三维重构问题的研究热点和难点之一,目前已有算法存在两个问题:1)选择的反射模型不符合物体表面的反射特性;2)引入的约束条件和求解过程过于复杂,求解速度慢,效率低。对SFS算法进行了详细分析,引入了朗伯特光照反射模型,对物体表面做球形假设,然后对图像做近似微分运算以求出高度函数,实现了利用单幅灰度图像恢复物体表面三维形状并仿真的数据处理方法,同时对传统线性化SFS算法和所提算法进行了实验验证,对两种模型的重构精度和算法的执行效率进行了比较和分析。实验仿真结果表明,在保证一定精度的前提下,所提算法的执行效率比传统算法高。     

基于LLE的边缘保持图像平滑算法

现有全局优化算法都使用不同范数约束输出图像梯度来实现图像平滑，但会牺牲图像中的弱结构信息来达到较好的平滑性能，导致输出图像出现颜色失真和细节模糊的情况。针对上述问题，提出一种基于LLE的边缘保持图像平滑算法(edge preserving image smoothing algorithm based on LLE,Ep-LLE),引入局部线性嵌入(LLE)的思想作为优化函数的正则化项并采用L₂范数进行惩罚。该方法利用图像局部区域内像素存在的相互关系，通过约束局部相似以实现图像平滑任务。最后通过各个算法的实验对比验证，基于LLE的边缘保持图像平滑算法能在实现图像边缘保持平滑的同时，保留图像局部结构特征，并有效避免区域内颜色一致导致的边缘阶梯状现象，避免图像颜色失真。     

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。     

基于神经网络的金属断口3维重建

金属断口SEM图像的3维重建能更精确地定量分析断口,因而在材料断裂研究中具有重要意义。为了对金属断口SEM图像进行重建,根据金属断口表面具有的分形特征,提出了以高度z连续作为约束条件,利用神经网络对单幅断口SEM电镜图像进行重建的算法,并在实验中取得很好的重建效果。该算法对于未知光源方向的粗糙表面的3维重建具有较大的理论价值和实用价值。     

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。     

基于照明参数与反射系数的分层SFS算法

提出一种由明暗信息复原形状的鲁棒算法.此算法能有效地估计照明方向、漫反射 系数、照明天顶角以及沿图像轮廓由明暗信息复原形状,并且在考虑自阴影影响情况下,用新 方法从图像的统计特征估计照明的仰角和表面反射系数,使重建强度梯度接近输入图像梯度 实现平滑约束.该方法为数据驱动,稳定可靠,能同时更新表面斜率与高度图,大大减小发射 项与可积分项内的剩余误差.最后给出SFS(Shape from Shading)算法的分层实现.     

基于照明参数与反射系数的分层SFS算法1)

提出一种由明暗信息复原形状的鲁棒算法.此算法能有效地估计照明方向、漫反射系数、照明天顶角以及沿图像轮廓由明暗信息复原形状,并且在考虑自阴影影响情况下,用新方法从图像的统计特征估计照明的仰角和表面反射系数,使重建强度梯度接近输入图像梯度实现平滑约束.该方法为数据驱动,稳定可靠,能同时更新表面斜率与高度图,大大减小发射项与可积分项内的剩余误差.最后给出SFS(Shape from Shading)算法的分层实现.     

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。     

Shape from Shading and Photometric Stereo Using Surface Approximation by Legendre Polynomials

In this paper, a new iterative shape from shading (SFS) algorithm is proposed. In the proposed algorithm, the given 3D surface is approximated by Legendre polynomials and the relationships between the given surface and its derivatives are represented in matrix forms using a polynomial coefficient vector. Then the relative depth and its derivatives are iteratively computed by updating the coefficient vector. Also the proposed SFS algorithm is extended to a photometric stereo case. In the proposed photometric stereo algorithm, the reflectance map is linearized and the cost function expressed in quadratic matrix form is minimized. The relative depth and its derivatives are also obtained by updating them iteratively. Performance of the proposed SFS and photometric stereo algorithms is evaluated in terms of three different error measures: the brightness error, orientation error, and height error. In addition, a performance comparison of the proposed and conventional SFS algorithms is shown.     

基于改进的神经元网络的图像恢复与重建新算法

本文简单介绍了最早的图像恢复的神经网络方法,Lambertian反射模型虽可用于图像的恢复与重建,但它有很大的局限性。为此,本文给出了一种基于改进的神经元网络的新型反射模型,用于三维图像的恢复与重建,此新法不需知道光源方向,经实验证明,具有计算快捷且图像识别精度高的特点。     

单幅植物叶片图像的3维重建

目的 植物叶片形态复杂,在虚拟场景中很难真实表现。为了从信息量有限的单幅图像中恢复植物叶片的3维形状,本文基于从明暗恢复形状（shape from shading,SFS）的方法,利用亮度统计规律和植物形态特征恢复叶片的3维形状。方法 在SFS的基础上,设计基于图像骨架的距离场偏置加强表面细节;针对SFS对恢复宏观几何形状的不足,提出根据图像亮度统计分布选取控制点控制表面宏观形状变化,并利用叶片中轴的距离场约束恢复宏观几何形状,每种方法对于表面宏观几何形状恢复的权重基于恢复的反射图和输入图像间的相似度设定;将表面细节添加到宏观几何形状上得到目标对象的3维形状。结果 选取植物叶片图像进行实验,并与其他方法进行比较,实验结果表明本文方法增强了表面细节显示,并有明显的宏观几何形状变化。同时为了验证本文方法对其他物体表面细节恢复的适用性,分别对硬币和恐龙恢复表面细节,实验结果表明提出的增强表面细节的方法同样适用于其他物体。结论 针对单幅植物叶片图像的3维重建,在SFS的基础上提出了根据骨架特征加强表面细节,根据图像亮度统计分布和叶片中轴距离场约束共同恢复表面宏观几何形状的算法,实验结果验证了本文方法的可行性。