从阴影恢复形状的径向基函数反射模型研究-中国图象图形学报.pdfVIP

中图法分类号：TP751.1 文献标识码：A 文章编号：xxxx-xxxx(xxx ) - - 从阴影恢复形状的径向基函数反射模型研究 杨志明，赵红东 河北工业大学 电子信息工程学院 天津市电子材料与器件重点实验室，天津 300400 摘 要：目的：为解决传统阴影恢复形状(shape from shading，简称SFS)算法由于光源方向初始信息估计不准确， 恢复的物体表面过于光滑，三维表面形状误差较大等问题，论文建立了基于径向基函数神经网络的反射模型，并 对传统的神经网络进行了改进。方法：建立的基于径向基函数(radial basis function,简称SFS)神经网络的从阴影恢 复形状反射模型代替了传统方法中采用的理想朗伯体表面反射模型。该模型利用径向基函数优秀的局部映射和函 数逼近能力来处理SFS 问题，通过网络训练过程中的权值代替物体所受到的初始光源信息，解决了传统算法在进 行计算时，必须已知光源参数的限制。在该网络模型中添加自适应学习率算法，加速网络的收敛和训练速度。结 果：针对SFS 问题处理的两幅经典合成图像以及两幅实际图像进行了实验，实验结果表明，改进后的算法在三维 视觉效果和三维形状信息的恢复方面都明显优于传统算法。归一化后的三维高度误差结果相比传统算法缩小了 60% 以上，而且同时适用合成图像和实际图像；自适应学习率的加入，使得网络的训练速度大大加快，对一幅 128*128像素的图像，运算速度提升了50%。结论：本文针对SFS 问题建立了基于RBF神经网络的从阴影恢复形状 反射模型，利用网络模型中的参数代替SFS 问题中的初始光源信息，通过最优化方法求解SFS 问题。并针对传统的 神经网络固定学习率造成网络收敛速度慢，容易陷入局部极小值的问题，加入了自适应学习率算法。实验证明， 改进后的算法在处理该SFS 问题时表现了优秀的性能，适用范围更广，收敛速度更快。 关键词 ：从阴影恢复形状; 径向基函数; 神经网络; 反射模型; 三维重建; Research on radial basis function reflective model of shape from shading Yang Zhiming , Zhao Hongdong Tianjin Key Laboratory of Electronic Materials and Devices, School of Electronics and Information Engineering, Hebei University of Technology, Tianjin 300401, P.R. China Abstract: Objective: The traditional shape from shading(SFS) algorithms are not accurate in estimating the initial information of the original direction of the light source, causing the reconstructed surface to be too smooth in some objects with a rough surface. The ideal reflection model Lambertian surface is too simple to meet the conditions in reality application. Therefore, the reconstructed shape of the object has serious errors. In order to solve this problem, in this paper, a reflection model based on the radial