三维重建中形状插值的快速算法研究

提出一种用于三维重建的层间数据插值算法．该算法首先利用数学形态学算子提取层内图像骨架；然后利用骨架匹配算法获取层间骨架点集的平移、旋转和缩放信息，并利用此信息的线性插值获得插值层图像的骨架点集；最后根据形态骨架的重建算法获得插值层图像．文中算法只对骨架点集进行操作，具有较小的运算复杂度，较好地保留了原始图像的形状信息．实验结果证明了该算法的有效性．     

一种基于形状的三维医学图像插值算法

三维医学图像的层间插值是实现医学体视化的一个重要步骤;传统的直接灰度插值方法只适用于层间距小或形状差别不大的断层扫描图像,否则会产生严重的轮廓模糊现象;文中的三维插值算法通过对轮廓进行多边形近似,将形状和灰度信息较好地结合起来,充分利用了图像的形状信息,从而较好地避免了大层间距和形状差别较大时的轮廓重影问题,实验结果证明了其有效性.     

形状插值算法综述

给定2个以上的几何模型,形状插值的目的是生成一系列新模型,能够建立给定模型之间自然的形状过渡.形状插值是计算机动画中的一个基本操作.文中以插值量为主线,对多边形和网格模型形状插值的相关工作进行分析梳理;讨论插值结果应满足的一些重要性质,提出分类方法,对一些重要工作进行较详细的介绍与评述,并分析它们的优缺点;特别地,深入探讨各种方法的大变形插值能力.最后,总结存在的问题并尝试提出一些新的研究方向.     

一种用于数字图象传感器的彩色插值算法

由于物理结构的限制 ,单片 CCD和 CMOS彩色图象传感器在每个像素的位置上只能采集一个颜色分量 ,其余两个颜色分量只能通过插值的办法得到 .鉴于通常的线性插值方法容易使图象的边缘变得模糊 ,并可能出现较为明显的颜色失真 ,而一些新方法尽管可以得到较高质量的插值图象 ,然而运算的复杂性限制了它们的应用 .为此提出了一种在色差空间进行插值的算法 ,以代替普通颜色空间的插值 ,同时用基于有理函数的插值算子来代替普通的线性算子 ,并通过后处理来进一步提高插值图象的质量 .由于色差空间的插值考虑了不同颜色分量间的耦合性 ,并利用了有理函数插值算子固有的边缘自适应特性 ,因而得到了较好的效果 .该方法另外的一个优点是计算速度较快 .实验结果表明 ,该该算法是有效的 .     

一种用于交通标识分类的形状识别算法

交通标识分类是交通标识识别系统的基础环节,而交通标识形状识别是交通标识分类的核心部分.对交通标识进行了研究,将交通标识分为禁令标识、警告标识和指示标识3大类分别进行分析,提出了一种利用边缘走势统计特征反映目标形状特征的新算法,并将其与BP神经网络相结合用于交通标识形状的识别.首先利用颜色信息实现交通标识区域分割,随后记...     

一种用于未标定图像三维重建的立体匹配算法*

提出了一种适用于未标定图像三维重建的立体匹配算法。该算法首先引入限制因子来消除Harris角点聚簇的现象,使用高斯曲面拟合内插使Harris角点达到亚像素级;接着采用特征点的Sift特征描述符进行初始匹配,利用随机抽样算法估计基础矩阵的同时剔除误匹配点对;最后在估计的基础矩阵的引导下进行双向匹配。实验证明,该算法能够很好地恢复物体的结构,是一种有效的用于未标定图像三维重建的立体匹配算法。     

一种用于三维重建的彩色Sift准稠密匹配算法

针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最后采用最优先原则进行区域增长。实验证明,该算法能获得比较满意的匹配效果,是一种有效的用于三维重建的准稠密匹配算法。     

一种用于单CCD图像传感器的图像插值算法

由于物理结构的限制,单CCD图像传感器在每个像素位置上只能采集一个颜色分量,其余两个颜色分量只能通过插值的办法得到。提出一种在色差空间进行插值的算法,利用具有比例线性关系的局部颜色特性和局部协方差求得最小均方误差意义下的最优插值系数。所获取的该插值系数具有边缘细节保持性,同时色差空间的插值又考虑了不同颜色分量间的耦合性,因而有效地抑制了图像边缘的模糊和颜色失真。实验结果表明,该算法可获得高质量的插值图像。     

一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。     

一种基于面片的三维重建算法

传统基于面片的多视角立体视觉算法在扩展面片时缺少空间几何约束,导致Poisson表面重建时生成错误顶点。为此,提出一种基于面片的三维重建算法。利用相邻面片初始化扩展面片,根据顶点k近邻的距离检测并去除离群顶点,从而得到物体表面的三维模型。实验结果证明了该算法的有效性和准确性。     

一种3维动画中间帧非线性插值算法

关键帧动画是3维动画制作的常用模式，中间帧插值又是关键帧动画中最为繁琐的环节。提出了一种针对无骨架3维网格模型的非线性插值算法，用于对网格模型的关键帧姿态进行插补，自动生成中间帧动画序列。该算法首先计算动画角色的网格模型各三角片在相邻关键帧中的仿射变换，并据此生成变形梯度向量，作为3维网格模型的形变信息，这种表示形式体现了变形过程中网格顶点之间的局部互相关关系。随后将各仿射变换分解为旋转成分与拉伸缩放成分，对拉伸缩放成分进行线性插值，而对旋转成分采用四元数插值算法进行非线性插值，合成中间帧姿态的变形梯度向量，并据此计算出中间帧网格模型。当相邻关键帧姿态存在较大差异时，该算法也能快速生成平稳而生动的中间帧动画，可有效减少关键帧的数量，提高动画制作效率。     

结合面部动作单元感知的三维人脸重建算法

真实场景往往面临数据稀缺和数据动态变化的问题, 小样本增量学习的目的是利用少量数据推理数据知识并减缓模型对于旧知识的灾难性遗忘. 已有的小样本增量学习的算法(CEC和FACT等)主要是利用视觉特征来调整特征编码器或者分类器, 实现模型对于新数据的迁移和旧数据的抗遗忘. 但是少量数据的视觉特征往往难以建模一个类别的完整特征分布, 导致上述算法的泛化能力较弱. 相比于视觉特征, 图像类别描述的文本特征具有较好的泛化性和抗遗忘性. 因此, 在视觉语言模型的基础上, 研究基于文本知识嵌入的小样本增量学习, 通过在视觉特征中嵌入具有抗遗忘能力的文本特征, 实现小样本增量学习中新旧类别数据的有效学习. 具体而言, 在基础学习阶段, 利用视觉语言模型抽取图像的预训练视觉特征和类别的文本描述, 并通过文本编码器实现预训练视觉特征到文本空间的映射. 进一步利用视觉编码器融合学习到的文本特征和预训练视觉特征抽象具有高辨别能力的视觉特征. 在增量学习阶段, 提出类别空间引导的抗遗忘学习, 利用旧数据的类别空间编码和新数据特征微调视觉编码器和文本编码器, 实现新数据知识学习的同时复习旧知识. 在4个数据集(CIFAR-100, CUB-200, Car-196和 miniImageNet)上验证算法的有效性, 证明基于视觉语言模型文本知识嵌入可以在视觉特征的基础上进一步提升小样本增量学习的鲁棒性.     

AU-aware Algorithm for 3D Facial Reconstruction

As a critical task in computer vision and animation, 3D face reconstruction can provide 3D model structures and rich semantic information for multi-modal facial applications. However, monocular 2D facial images lack depth information and the parameters of the predicted facial model are not reliable, which causes poor reconstruction results. We propose to employ facial Action Unit (AU) and key facial points which are highly correlated with model parameters as a bridge to guide the regression of model-related parameters and thus solve the ill-posed monocular face reconstruction. Based on existing face reconstruction datasets, we provide a complete semi-automatic labeling scheme for facial AUs and construct a 300W-LP-AU dataset. Furthermore, a 3D face reconstruction algorithm based on AU awareness is put forward to realize end-to-end multi-tasking learning and reduce the overall training difficulty. Experimental results show that the algorithm can improve the face reconstruction performance, with high fidelity of the rebuilt facial model.     

A New Algorithm for 3D Reconstruction from Support Functions

We introduce a new algorithm for reconstructing an unknown shape from a finite number of noisy measurements of its support function. The algorithm, based on a least squares procedure, is very easy to program in standard software such as Matlab, and it works for both 2D and 3D reconstructions (in fact, in principle, in any dimension). Reconstructions may be obtained without any pre- or post-processing steps and with no restriction on the sets of measurement directions except their number, a limitation dictated only by computing time. An algorithm due to Prince and Willsky was implemented earlier for 2D reconstructions, and we compare the performance of their algorithm and ours. But our algorithm is the first that works for 3D reconstructions with the freedom stated in the previous paragraph. Moreover, under mild conditions, theory guarantees that outputs of the new algorithm will converge to the input shape as the number of measurements increases. In addition we offer a linear program version of the new algorithm that is much faster and better, or at least comparable, in performance at low levels of noise and reasonably small numbers of measurements. Another modification of the algorithm, suitable for use in a "focus of attention" scheme, is also described.     

一种面向三维点集的快速表面重构算法

在对目前比较流行的空间三角化算法进行对比研究的基础上 ,对 Hugues Hoppe提出的算法进行了改进 ,即借鉴 Marching Cubes算法的基本思想 ,首先通过自动选取适当的参数 ,用包围盒方法将三维散乱点划分为数据区域 ;然后求取点的切平面及法向 ,同时采用广度优先算法遍历数据点来调整法向和快速地求取 Marching Cubes的等势函数 ;最后用基于查表法的 Marching Cubes来输出三角面片 ,即得到表面模型 .实验结果表明 ,改进后的算法效率有较大的提高 .新算法不仅适用于表面三维散乱点数据 ,也可以对体数据进行重构 ,具有一定的通用性 .     

基于1维子空间的3维重建算法

为了重建3维场景,假设相机为正投影模型,提出了一种基于1维子空间的3维重建算法．所有图像序列构成的行向量与3维空间点构成的行向量所生成的子空间是同一线性子空间,而且由第1幅图像点构成的2个行向量外加1个行向量就可以组成该子空间的一个基底．该算法利用上述特性,线性地求取该行向量,最后完成3维重建．模拟实验和真实实验数据结果表明,该重建算法具有鲁棒性好、重投影误差小等优点．     

一种医学图像三维表面重建的快速算法

阐述了医学图像三维重建的方法和过程,提出了一种基于跨距空间的快速种子体素搜索算法,利用等值面繁衍算法快速提取三角形等值面,并对由中点近似产生的共面三角形等值面进行合并。实验结果显示,本文提出的算法加快了重建的速度,有利于实现对基于医学图像的大规模数据三维重建的实时绘制和交互。     

浅析三维重建算法

为了将二维图纸在计算机中自动转换成三维模型并进行交互式显示和各种操作,必须首先从二维图纸中读取所有线条、标注等信息,将这些信息以合适的数据结构进行组织,然后根据这些数据识别相应的几何元素及其位置、尺寸等信息,即进行三维重建。该文对已有的多种三维重建算法进行分类和剖析,归纳出三维重建算法的主要技术难点,并给出了核心的内部数据结构。     

浅析三维重建算法

为了将二雏图纸在计算机中自动转换成三维模型并进行交互式显示和各种操作,必须首先从二维图纸中读取所有线条、标注等信息。将这些信息以合适的数据结构进行组织,然后根据这些数据识别相应的几何元素及其位置、尺寸等信息,即进行三维重建。该文对已有的多种三维重建算法进行分类和剖析,归纳出三维重建算法的主要技术难点,并给出了核心的内部数据结构。