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.     

基于明暗恢复法的三维重建算法分析

明暗恢复形状法是计算机视觉领域的热门问题。明暗恢复法是通过一张照片的灰度信息恢复物体表面形状的一种方法。本文从数学角度度分析了SFS问题,并提出了三种解法:直接法求解,变分法求解和采用优化理论理论求解。并分析比较了这三种方法的适用范围和各自的典型算法。最后分析了SFS问题的发展趋势和难点问题。     

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。     

基于阴影的三维表面重构技术的概述

三维表面重构是计算机视觉的主要任务之一。已经发展了各种各样的重构技术,其中利用单幅图像中物体表面明暗变化来恢复其表面形状的技术尤其引人注目,这不仅因为该技术简单易于实现,更重要的是它适用于各种其它方法难以应用的场合,例如,在机载、星载、弹载环境中的利用。论文从SFS问题的研究背景出发,介绍并分析这方面的一些重要进展,通过对各种重构方法的分析与比较,提出SFS问题的研究发展趋势和一些值得研究的方向。     

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。     

SFS方法及其与立体视觉方法的集成方案综述

立体视觉(StereoVision)方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域,由于难以准确地进行图象间的象素配对,而严重影响了它的效果。利用从明暗重构物体三维表面形状(ShapefromShading,简称SFS)的方法与该方法相结合,是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性,揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题,并在此基础上,简要地介绍了四类SFS与立体视觉方法相结合的形式,说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性,并对过去SFS的实现方法进行有效的改进,它是提高集成系统准确性的关键。     

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。     

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。     

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     

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。     

Linear-nonlinear neuronal model for shape from shading

The goal of shape from shading (SFS) is to recover a relative depth map from the variations of image intensity associated to changes in surface shape. There have been very few attempts at developing biologically plausible solutions to this problem, and a sound neurophysiological basis is still missing. Here we present a biologically inspired approach to SFS, formulated in terms of the well-known linear-nonlinear model of neuronal responses. Without resorting to the image irradiance equation, which is at the heart of the traditional SFS algorithms, we submit the input image to a linear filter followed by nonlinear transformations modelled on the tuning curves of the disparity-selective binocular neurons. This yields plausible shape estimates, without requiring information regarding surface reflectance or illumination.     

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.     

2SFS方法及其与立体视觉方法的集成方案综述

立体视觉（Stereo Vision）方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域，由于难以准确地进行图象间的象素配对．而严重影响了它的效果。利用从明暗重构物体三维表面形状（Shape from Shading，简称SFS）的方法与该方法相结合，是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性，揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题，并在此基础上，简要地介绍了四类SFS与立体视觉方法相结合的形式．说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性，并对过去SFs的实现方法进行有效的改进．它是提高集成系统准确性的关键。     

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。