一种基于网格的从明暗恢复形状方法

针对目前“从明暗恢复形状”时存在计算复杂及收敛性差等问题,提出一种基于网格的解决方法。首先通过图像预处理及区域划分操作将原始图像分割成多个亮度离散的多边形区域,并逐步转换成平面三角形网格,然后根据Lambert定律建立关于空间网格顶点坐标的方程组,在使用最小二乘法求解后,直接将结果应用到OpenGL或DirectX等实时渲染引擎的图形管道中,实现模型的建立与显示。经仿真实验证明该方法计算方便,可逼真重建原始物体的形状。     

基于单幅图像明暗恢复形状算法设计

以单幅二维图像为研究对象,首先将彩色图像转换成灰度图像,然后直接寻找灰度值与缺失的第三维信息之间的关系,最后根据这种关系来求出物体表面缺失的第三维信息。整个算法流程简单,速度非常快,形状恢复满意度高。     

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。     

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。     

RGBD融合明暗恢复形状的全视角三维重建技术研究

为了高效、高精度、低成本地实现对物体的全视角三维重建, 提出一种使用深度相机融合光照约束实现全视角三维重建的方法。该重建方法中,在进行单帧重建时采用RGBD深度图像融合明暗恢复形状(Shape from shading,SFS)的重建方法, 即在原有的深度数据上加上额外的光照约束来优化深度值; 在相邻两帧配准时, 采用快速点特征直方图（Fast point feature histograms, FPFH）特征进行匹配并通过随机采样一致性（Random sample consensus, RANSAC）滤除错误的匹配点对求解粗配准矩阵, 然后通过迭代最近点（Iterative closest point, ICP）算法进行精配准得出两帧间的配准矩阵; 在进行全视角的三维重建时, 采用光束平差法优化相机位姿, 从而消除累积误差使首尾帧完全重合, 最后融合生成一个完整的模型。该方法融入了物体表面的光照信息,因此生成的三维模型更为光顺,也包含了更多物体表面的细节信息,提高了重建精度;同时该方法仅通过单张照片就能在自然光环境下完成对多反射率三维物体的重建,适用范围更广。本文方法的整个实验过程通过手持深度相机就能完成,不需要借助转台,操作更加方便。     

一种基于平面拟合的图像恢复方法

论述了在进行实际图像处理时所使用的一种对于不均匀光照图像进行恢复的方法。该方法基于平面拟合来估算出实际的光照强度分布,并根据图像各点的反射系数不变这一特性来对图像进行修正。实验结果表明,该方法有效地克服了不均匀光照所造成的对于图像处理的不利影响。     

基于表面局部最高点估计的明暗恢复形状算法

基于数据逼近强约束的针图恢复算法是近年来提出的一种较为成功的从明暗恢复形状（shape from shading）的算法,但由于该算法在非垂直光线下得到的初始化针图的误差较大,并且不能保证法向量有解或有唯一解,为了解决SFS算法存在的问题,提出了一种改进的SFS算法。该改进算法从分析非垂直光线下图像梯度图与针图之间的关系入手,首先检测图像局部最亮点位置;然后根据照度方程估计表面局部最高点的位置,同时对梯度方向进行调整,并建立方程组;最后针对方程组解的不同情况,提出了相应的处理方法。改进后的算法,对于垂直光线和非垂直光线下的情况同样有效,从而扩大了基于数据逼近强约束的SFS算法的适用范围。从合成图像和实际图像的实验结果可以看出,采用改进的算法可以得到比基于数据逼近强约束的算法更接近真实表面的初始化针图和初始化高度。     

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。     

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。     

由单幅图像重构表面形状的B样条变分法研究

针对SFS（Shape From Shading)问题中的Lagrange乘子难题,经过B样条插值,将SFS问题的积性、光滑性限制隐含、消除Lagrange乘子的不利影响,采用B样条变分法解决了SFS问题;并根据B样条特殊结构,设计了SFS问题变分格式的层次基变换共轭梯度加速度法,初步的计算实例表明,此方法在精度、速度上有所提高,效果令人满意。     

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。     

Shape From Shading最小化方法分析

由明暗重构三维形状(SFS)是计算机视觉当中有关初级视觉的研究内容之一。由于该问题存在明显的不适定性,因而需要采用使问题正则化的形式,其中,将问题转变成变分形式的最小化方法是最早并得到广泛研究的方法类,但这类方法的整体表现并不好。论文对此类方法从其解决问题的思路上进行分析,找出了该类方法当中存在的一些问题,即在正则化问题的过程当中引入了无具体意义的约束条件,从而对该类算法所表现出的一些现象给出了较为合理的解释。     

基于多面体表示的向量化收益评估方法

循环变换可提高程序性能,但对其向量化后可能会导致代码性能损失,并不一定会得到预期性能提升。针对该问题,结合目标体系结构特征,在Open64中实现一个基于多面体表示指导循环变换的向量化收益评估模型。该模型可以有效分析各种循环变换方案的代价,选择向量化收益最大的方案组合作为最终的向量化方案。对SPEC测试集的swim等5个程序进行测试,结果表明,收益评估结果与实测向量化加速比相近,可避免盲目优化。     

基于改进遗传算法的计算机数学模型构建

面向遗传算法的数据冗余问题,设计改进遗传算法,与最小二乘法有机结合,构建计算机数学模型,以应对数据实时变化.在此基础上,针对具体问题实现计算机数学模型构建,加以验证分析,结果表明改进遗传算法的辨别能力较强,可寻求最优解,并在很大程度上提升运算效率与质量.通过Matlab软件进行方程组求解,明确参数具体使用区域,以解决估...     

基于支持向量机的TSK模糊模型辨识与控制

研究非线性系统TSK模糊模型的辨识与控制,利用TSK模型,可以将线性控制理论应用于非线性系统控制。基于支持向量机和递推最小二乘法,辨识出TSK模糊模型,并且通过遗传算法优化隶属度函数参数,最小化辨识误差。针对TSK模型进行控制,控制器包括两个部分：权重最大子系统反馈控制及其监督控制,监督控制保证了系统的稳定性。辨识和控制仿真结果证明了算法的有效性。     

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。     

柔性多面体搜索算法在遗传算法中的综合应用研究

首先分析了柔性多面体搜索算法和基本遗传算法两者结合的基础，提出了柔性多面体方向进化算子和柔性多面体交叉算子，以这两个新的遗传操作算子和柔性多面体搜索算法为基础，提出了两种新的混合遗传算法FP-HGA(Ⅰ)、FP-HGA(Ⅱ).在FP-HGA(Ⅰ)中，嵌入了柔性多面体方向进化算子和柔性多面体搜索算法；在FP-HGA(Ⅱ)中，嵌入了柔性多面体交叉算子，用FP-HGA(Ⅰ)、FP-HGA(Ⅱ)及SGA(Simple Genetic Algorithm)来求解Rosenbrock测试函数的最小值，FP-HGA(Ⅰ)和FPHGA(Ⅱ)算法和SGA算法的计算结果表明该混合遗传算法在收敛速度和精度方面均得到很大提高．     

Recovering Shape by Shading and Stereo Under Lambertian Shading Model

A method that integrates shape from shading and stereo is reported for Lambertian objects. A rectification is proposed to convert any lighting direction from oblique to orthographic. A sparse stereo method is reported that directly uses depth information and has no foreshortening problem. The method completely solves three difficult problems in stereo, namely, recovering depth at occlusion; matching at places with similar shading and matching at smooth silhouettes. The method has been tested on both synthetic and real images. It shows superior performance compared with two recent stereo algorithms. It is also a method based on the physics of image formation. The work described in this article was fully supported by a grant from CityU (7002128).