基于自阴影处理的SFS三维重建算法研究

论文摘要

随着计算机视觉和虚拟现实的不断发展，图像的三维重建日益成为计算机科学的一个重要研究课题，在社会生产、生活的各个领域表现出越来越重要的地位和作用，尤其在工业、医学、国防、考古等领域，具有极其广泛的应用价值。目前，多种重建技术已经形成，被统称为“Shape from X”技术, X可以是运动、纹理、轮廓、阴影等。其中的明暗恢复形状(Shape from Shading，以下简称SFS)只需要单幅图像的灰度信息就能恢复出物体的三维形状。该技术比较容易实现，所需要的硬件设备和外界条件简单，而且可用在一些其他技术不适用的特殊场合。传统SFS算法大多采用了不符合实际情况的苛刻假设条件，有的受噪声干扰很大，有的计算非常复杂，有的收敛速度慢效率低，有的适用范围小。本文主要工作及创新点是对自阴影检测方法进行改进，并对最小基元递推算法进行优化，实现了物体的三维重建。对于自阴影问题，重点研究了基于模型的边缘检测法。该方法对光照方向进行了大致估计，再通过边缘检测得到自阴影区域并进行修正，去除了实际的自阴影区域，有效地解决了传统方法在去除与目标有相似颜色信息的自阴影时丢失目标部分信息的现象，避免了三维重建的结果产生大的形状畸变。一般的最小基元递推算法不考虑物体的自阴影，并假设反射率值为一个不变的常数，光源方向为已知，本文对其进行了优化。选择了符合假设条件的曲面进行光源方向估计，对实际图像分割后采用局部估计法进行反射率值估计，最小基元递推算法的求解采用非线性最小二乘法，并利用两种递推路径计算再加权平均的方法提高重建精度，从而获得了较好的重建效果。最后，通过Matlab软件编制相应的三维重建程序，对合成图像和实际图像分别进行了重建，实验结果验证了本文算法比一般的最小基元递推算法和传统算法更加精确和稳定。本文算法适用范围广，可适用于带有自阴影和形状较复杂的物体。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 引言
• 1.2 SFS 算法的问题
• 1.3 SFS 的研究现状
• 1.4 本文的研究工作及组织结构
• 1.4.1 研究目标及内容
• 1.4.2 论文的组织结构
• 第2章 图像预处理
• 2.1 图像增强
• 2.2 图像恢复
• 2.2.1 逆滤波
• 2.2.2 维纳滤波
• 2.2.3 中值滤波
• 2.3 小结
• 第3章 自阴影处理
• 3.1 多梯度分析与线扫描法
• 3.1.1 多梯度分析
• 3.1.2 线扫描
• 3.2 估计基于模型的边缘检测法
• 3.2.1 光照方向的估计
• 3.2.2 边缘信息的检测
• 3.2.3 自阴影区域的修正
• 3.2.4 自阴影处理的实验
• 3.3 小结
• 第4章 SFS参数估计
• 4.1 光源方向估计
• 4.1.1 光源倾角和偏角的表示
• 4.1.2 光源方向的估计算法
• 4.2 反射率值估计
• 4.2.1 全局反射率值估计
• 4.2.2 局部反射率值估计
• 4.2.3 实验结果和分析
• 4.3 小结
• 第5章 最小基元递推算法
• 5.1 最小基元递推算法的原理
• 5.2 最小基元递推算法的求解
• 5.3 迭代初值位置的选择
• 5.4 最小基元递推算法的验证
• 5.5 基于自阴影处理的 SFS 算法设计与实验
• 5.5.1 整体方案设计
• 5.5.2 合成图像的实验
• 5.5.3 实际图像的实验
• 5.6 小结
• 第6章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢