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。     

基于高阶LLF和WENO算法的透视SFS

透视投影下从明暗恢复形状(SFS)问题,通常通过结合静态HamiltonJacobi(HJ)方程和快速扫描方法来求解。为进一步优化静态HJ方程的求解精度,改善透视SFS的恢复结果,采用了高阶局部LaxFriedrichs(LLF)通量分裂格式,以提高待求量的偏导数的精度;同时采用了改进的加权本质无振荡(WENO)格式,使得算法只计算整格点值,并且利用修正的光滑因子得到比WENO更高的精度。对合成图像和实际图像的实验结果表明,可以有效提高透视投影SFS问题的恢复精度。     

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。     

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。     

基于自适应Eikonal方程的改进透视SFS算法

PFMM（perspective fast marching method）是一种有效解决透视投影下从明暗恢复形状（SFS）问题的方法,但是适应条件受限,且对初始数据的精度较为敏感。本文通过对Eikonal方程系数的分析,提出了在透视投影下基于自适应Eikonal方程的PFMM,解决了PFMM对初始数据过于依赖的问题,是PFMM的推广。对合成图像的实验表明本文算法比PFMM精度更高,对透视投影下SFS问题可以得到比较好的结果。     

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     

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.     

Improving Shape from Shading with Interactive Tabu Search

Optimisation based shape from shading (SFS) is sensitive to initialization: errors in initialization are a significant cause of poor overall shape reconstruction. In this paper, we present a method to help overcome this problem by means of user interaction. There are two key elements in our method. Firstly, we extend SFS to consider a set of initializations, rather than to use a single one. Secondly, we efficiently explore this initialization space using a heuristic search method, tabu search, guided by user evaluation of the reconstruction quality. Reconstruction results on both synthetic and real images demonstrate the effectiveness of our method in providing more desirable shape reconstructions.     

An improved method of photometric stereo using local shape from shading

This paper presents an improved photometric stereo (PS) method by integrating it with a local shape from shading (SFS) algorithm. PS produces the initial estimate of image for the global accuracy and also provides the recovery of albedo, SFS supplies the more detailed information within each homogeneous area. The quality of depth obtained by integrating PS and SFS is compared with the real depth using absolute dept error function, and the improvement ranging from 2.3 to 14% over PS is obtained.     

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。     

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。