论文部分内容阅读
三维物体重构是计算机视觉领域一个十分重要的研究分支,并在当前社会生活的诸多领域显现出了广泛的应用前景。针对三维重构而提出的明暗形状恢复(Shape From Shading, SFS)算法能够从单幅二维图像中提取出物体的三维表面形貌特征,为三维重构的研究奠定了良好的基础。通常物体表面的灰度信息是进行三维重构的重要依据,如何利用灰度信息来获取三维特征数据是SFS研究中的一个重点和难点。本文基于SFS算法,对单幅二维图像的三维重构算法进行了改进与优化研究,全文的主要研究工作可以概括为：1)研究了经典的SFS算法,对光照模型进行了分析,讨论了三维重构算法中各种影响因素的约束条件,并对当前主流的四种经典算法：最小值法、演化法、线性化法和局部分析法的性能进行了对比分析；2)针对传统的基于SFS的三维重构算法在重构物体的轮廓清晰性和光滑性等方面存在的局限性,本文提出了一种基于轮廓优化的改进SFS算法。该算法首先对朗伯体光照反射模型进行了分析,从而确定影响重构效果的主要因子；随后利用图像平滑及滤波对图像进行预处理,减少图像噪声,通过边缘检测提取目标物体轮廓,分割目标物体与背景后,对图像进行修补以及对背景进行平滑处理；最后采用SFS算法重构目标物体。计算机仿真实验表明,与传统SFS算法相比,该算法可以提高重构物体的形状准确性和轮廓连续性,有效减少重构误差,算法性能得到有效提升；3)针对SFS算法中计算表面法矢时所带来的计算复杂度高和时间开销大的问题,本文提出了一种新的基于Sobel梯度算子的三维重构算法。该算法利用Sobel算子计算图像表面的灰度梯度,随后采用数值积分计算表面深度值,并且采用三次样条插值运算获得更多的数据信息,从而保证了在减小计算复杂度的同时能够获得更好的重构效果,实验结果表明,该算法重构物体的表面连续性和光滑性都得到了有效的提高。