一种基于SFS方法的含高光表面三维重构系统

针对含高光表面三维形状重构的需求,设计了一种基于从明暗恢复形状(SFS)方法的三维重构系统。在正交投影条件下由CCD相机获取点光源照射下的物体表面图像,使用Ward反射模型描述含高光表面的反射特性,建立物体表面图像辐照度方程。系统软件将该方程转化为包含物体高度信息的H-J偏微分方程,并计算此偏微分方程的解,得到物体的高度函数,进而恢复出物体的表面形状。实验表明,该系统可以有效地重构含高光表面的三维形状。     

一种改进的灰度重构形状光照模型及其实现

针对基于灰度重构形状的表面三维重构方法中重构精度不高的问题,提出一种改进的光照模型。该模型不仅改进了物体表面的漫反射分量,而且考虑了物体表面镜面反射分量对表面重构所产生的影响,把漫反射分量和镜面反射分量线性叠加。采用有限差分法离散改进光照模型中的变量,再利用Jacobi迭代法求解改进光照模型,得到物体表面点的重构高度值。以金属半球图像为例,分别采用改进的光照模型和传统光照模型进行三维重构。通过结果分析表明,采用改进的光照模型提高了重构精度,重构后的高度误差降至1 2.1 9%。     

一种非朗伯表面SFS的快速粘性解算法

针对传统的非朗伯表面明暗恢复形状(SFS)算法存在运行时间长、精度不高的问题,提出了一种粘性意义下的明暗恢复形状快速算法。首先,非朗伯物体表面采用Oren-Nayar模型描述其表面反射属性,摄像机镜头使用适合于实际成像过程的透视投影模式,同时假设光源置于镜头像方主点附近,建立了上述情况下的图像辐照度方程,此方程蕴含着非朗伯表面的高度信息。其次,将辐照度方程转化为Hamilton-Jacobi(H-J)类偏微分方程,运用Legendre变换和最优控制理论得到H-J方程对应的Hamilton函数的控制形式。接着,建立了Hamilton函数的逼近算法,使用非线性规划原理构建Hamilton函数最优问题的等价约束问题,利用得到的最优控制并通过Newton法最终得到了H-J方程的粘性解,该粘性解即是非朗伯物体表面的高度。实验结果表明,提出的算法与典型的基于Lax-Friedrichs方法的算法相比,所需要的运行时间大幅度减少,重构的物体表面的高度平均误差与均方根误差也有较大幅度降低。     

径向基函数网络在虚拟加工对象重构中的应用

针对虚拟制造中无加工对象数据的加工过程仿真,提出适用于离散无规则边界测量数据的径向基函数网络方法,以重构加工对象曲面,阐述了径向基函数网络曲面重构的基本理论,分析了径向基函数网络宽度参数的确定方法;给出了径向基函数网络曲面重构函数的具体实现过程,计算了重构的误差.以实例验证了该方法的可行性,并与传统曲面拟合方法相比较,得出该方法的重构精度高,改进了传统曲面拟合在处理非均匀截面数据点时曲面形状的失真和运算的不稳定现象,从而显示了径向基函数网络重构曲面的优越性.     

从明暗恢复形状(SFS)的算法设计与精度分析

从明暗恢复形状(shape from shading,简称SFS)是计算机视觉中三维形貌恢复问题的关键技术.设计了基于单幅图像恢复三维形貌的算法,其核心思想是根据单幅图像的灰度信息进行亮度分析和转换,利用倾角和偏角计算表面点法矢,进而得到表面点高度值.采用全面像素误差和平均误差两种评价方法对人造花瓶二维图像的恢复结果进行精度分析,得到恢复高度与真实高度平均误差的最大值和最小值分别为7.0 mm和0.1 mm,且80%的平均误差小于2 mm,实例证明文中方法处理速度快,精度高,应用前景较好.     

RBF隐式曲面的离散数据快速重建

由于三维离散数据具有分布稠密、不均匀,空间拓扑结构未知等特点,突出了大规模散乱数据预处理的重要性.针对空间散乱数据,提出了一种基于径向基函数(RBF)隐式模型的快速曲面重建方法,并实现了隐式曲面的可视化.基于空间法向量约束和主元分析两种方法进行数据简化和特征提取,采用K-D Tree数据结构进行空间数据分割,将全局模型转化为局部的RBF模型,从而通过求解线性方程组得到模型的权值系数.最后,在局部交叠空间光滑拼接,得到一个代数表达形式的光滑曲面.实验结果表明,该方法适用于任意复杂物体的三维曲面重建,而且具有较高的重建精度.     

具有指定支承率曲线的粗糙表面建模方法

针对摩擦学研究对建立具有指定功能参数粗糙表面三维几何模型的需求,基于灰度图像直方图规定化的基本理论,进行了具有指定支承率曲线粗糙表面的建模研究.采用直接计算高于某高度采样点数与总采样点数之比的方法,简化了表面支承率的计算;基于量化方法,实现了粗糙表面高度值与图像灰度值的转换,增加量化等级可满足任意的精度要求;基于灰度图像直方图的规定化方法,调整待处理表面的支承率曲线,可实现具有指定支承率曲线的粗糙表面建模.     

一种基于NL-SFS方法的三维人脸快速重建系统

针对快速重建三维人脸的需求,设计了一种基于非Lambert从明暗恢复形状(NL-SFS)方法的三维人脸快速重建系统。首先人脸表面采用非Lambert反射模型描述其反射特性,这更接近于人脸表面实际的反射特性;接着由遵循正交投影的摄像机获取光源作用下的人脸表面图像,同时假定摄像机方向与光源方向保持一致,建立人脸表面的图像辐照度方程;然后将该方程转化为包含人脸表面深度信息的Eikonal方程;最后根据上述方程的特点,利用fast marching方法设计了系统软件,能够快速求得Eikonal方程的解,进而重建出人脸的三维形状。实验结果表明,该系统可以在较短的时间内获得较高的重建精度,即0.9s内可达到0.43%的高度平均相对误差。     

基于变分光流的三维运动检测与稠密结构重建

提出了一种基于变分理论的由稠密光流检测图像中目标物体三维运动与结构的直接方法。首先在透视投影模型下将目标物体的三维运动参数与图像光流联系起来,构建了一个未知量是三维运动参数的能量函数,然后使用变分方法直接求出图像中目标运动物体的三维运动参数,最后由求出的三维运动参数恢复物体表面的三维稠密结构及图像光流。该方法在对目标物体进行三维运动检测时省略了"光流计算"这一中间过程,避免了图像光流计算给三维运动检测结果带来的误差影响和时间消耗。多组实验证明该算法具有较高的计算精度、较好的鲁棒性和较快的计算效率。     

视觉测量中亚像元图像特征定位算法

提出一种利用Facet模型进行图像特征高精度定位的新方法。通过构造一组二维的正交多项式基底,能快速拟合Facet模型的曲面参数方程来表示图像灰度分布,再沿曲面上最大梯度方向的二阶导数的零交叉高精度定位图像角点和边缘特征。该方法采用拟合方法代替插值方法,能减少对噪声的敏感,可提高曲面小片构成的灵活性与边缘检测的精度及计算效率。通过对多幅不同真实图像进行试验验证,结果证明该方法稳定可靠、精度较高,能在视觉测量中有效地提高测量精度。     

基于Snake模型的特定人脸三维重建方法

以双目立体视觉为基础,构建一种特定人脸重建系统,提出基于Snake模型的特定人脸三维重建方法,利用已标定的摄像机拍摄立体图像对,采用肤色检测得到人脸区域。在对立体图像对进行摄像机畸变校正、立体图像对的外极线对齐、人脸区域选择及归一化等预处理后,采用金字塔结构相关匹配算法,在误匹配点数与精度两者之间达到较好的平衡。针对人脸提出能量最小化方程,考虑顺序匹配约束、连续性约束、曲线上各点曲率的估计和相关性约束条件,大大提高视差提取的正确率,解决了立体视觉中立体匹配的难点,成功地恢复出人脸的三维数据,实现特定人脸的重建。试验结果表明：基于Snake模型的视差抽取,并经过光顺处理和纹理映射后,除了脸部部分边缘存在一些变形外,主体部分的重建效果真实感强。该算法不需要结构光等设备,基本不需要人工干预,就能恢复出特定人脸的三维数据,效果好,实用性强。     

3D surface form error evaluation using high definition metrology

This paper presents an approach to evaluate 3D surface form error of machined surface using high definition metrology that can measure millions of data points representing the entire surface. A data preprocessing method was developed to convert the mass data into a height-encoded and position-maintained gray image. With the converted image, a modified gray level co-occurrence matrix method was adopted to extract 3D surface form error characteristics, including entropy, contrast and correlation. Entropy measures the randomness of surface height distribution. Contrast indicates the degree of surface local deviations. Correlation could be used to identify different machining techniques. These characteristics can be used with flatness together to evaluate 3D surface form error of large complex surface.     

X射线融合图像的灰度修正方法

对厚度差异大的结构件,常规变能量x射线图像融合方法不能正确地表征灰度与物理信息复杂的对应关系。为此,本文提出了基于神经网络的x射线融合图像灰度修正方法。首先,将常规变能量的融合图像作为神经网络的输入图像,将16位高动态的图像作为相应的输出图像,训练得到x射线成像的物理表征模型。然后,利用钢质阶梯块验证方法的正确性与可行性,并将输出结果与16位真实图像进行比较。实验结果表明,该方法很好地拟合了融合图像与真实图像灰度之间的非线性函数关系,扩展了低动态成像采集设备的使用范围。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

偏振探测系统的图像配准

分振幅式偏振探测成像系统的各分光路图像之间存在位置误差,率先完成各分光路图像之间的图像配准是进行偏振探测的前提条件。针对探测过程中,目标特征不明显、图像特征难以提取、各分光路图像间灰度变化较大的问题,提出适用于分振幅式偏振探测成像系统各分光路图像的相似性度量函数,并在此基础上,完成各分光路图像间的配准工作。首先,根据图像间的位置误差会造成偏振信息图像中出现信息异常区域的原理,研究了相似性度量函数的提取算法;接着,根据探测系统的各分光路的成像特点,确定图像间的几何变换参数;以遗传算法作为参数优化搜索算法,搜索得到最优的几何变换参数,完成整个图像配准算法的设计;最后,分别利用构造图像和实际采集图像,对配准算法进行了验证,并以图像间互信息值(MI)衡量图像配准的精度。实验结果表明:配准后的构造图像的MI为2.692 5,高于特征配准方法的实现精度;实际采集图像配准后的MI达1.849 3,同样高于特征配准方法的实现精度。基本满足偏振探测系统的图像配准需求。     

基于并行共聚焦显微系统的物方差动轴向测量

差动共聚焦显微成像技术可以获得很高的轴向测量精度,然而已有的差动共聚焦测量技术主要适用于激光扫描共聚焦,还不能满足微纳加工过程中对工件进行非接触式的在线、在位测量的要求。本文在分析差动共聚焦显微成像系统能够实现轴向测量原理的基础上,提出了适用于并行共聚焦技术的轴向测量方法。该方法利用均匀白光照明,在像方只需要使用一台相机做探测器,在物方通过移动载物台分别对样品在焦前和焦后两次成像,根据预先刻度好的差动曲线就可以得出物体表面的高度。理论模拟与实验结果均表明,该方法可以实现高精度的轴向测量,对500nm的台阶样品测量的平均误差为2.9nm,相对误差为0.58%。该方法简单、廉价、测量精度高,可以用于普通显微镜,易于实现样品的三维快速形貌还原与测量。     

光栅投影法形貌测量误差的分析

光栅投影法是计算机辅助设计、逆向工程等领域用于物体轮廓测量的常用方法。首先分析光栅投影法的结构原理,得出高度拟和系数并非常量的结论。详细阐述了象点坐标误差对系统精度的影响,并给出了误差补偿方法。据此提出修正的高度拟合公式,实验结果证明新拟合公式的有效性。     

一种仿生的人脸不变特征提取方法

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法.通过模拟初级视皮层(V1)的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征.网络的第1层模拟Vl简单细胞的功能,通过稀疏编码方法学习获得一组类似Vl简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征.以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率.在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%～20.35%.