基于表面法向差分近似表面重建新算法.docVIP

基于表面法向差分近似表面重建新算法 　　摘 要：提出一种基于表面法向差分的四向加权形状重建算法。该方法利用不同表面法向差分方法的重建核函数所具有的互补特性，通过对不同重建结果的四向线性加权可以克服经典重建矩阵的奇异性，并能增加算法的抗噪能力。 　　关键词：表面法向; 形状重建; 差分法 　　中图法分类号：TP391.4 文献标识码：A 文章编号：1001-3695(2006)10-0146-02 　　Weighted Algorithm Based on Surface Normal Approximation 　　LEI Li??ping??1, ZHENG Yu??qi??2 　　(1.College of Automation, Nanjing University of Aeronautics Astronautics, Nanjing Jiangsu 210016, China; 2.Military Authority of the Second Artillery, Luzhou Sichuan 646006, China) 　　Abstract:Using the inter??complementary speciality of reconstruction kernel function of different surface normal difference approximation, the proposed method combines four??directional reconstruction results through corresponding weighted factors. By means of linear weighting and imposing appropriate boundary condition, the new approach would overcome the oddness of traditional reconstruction kernel function, and is more robust to noise. 　　Key words:Surface Normal; Surface Reconstruction; Difference Approximation 　　 　　在基于阴影的表面重建算法研究中，一个非常重要的课题在于选取合适的算法并尽量减小重建算法的误差。基于表面法向差分的迭代重建算法由于计算复杂度低并且恢复结果较为理想，一直受到许多学者的关注[1,2]，其不足在于图像中的某些点会产生较大的形状畸变。因此，本文提出了一种基于边界补偿的四向加权形状重建算法，该方法不仅计算较为简单，还能够克服以往算法中由于矩阵奇异导致的计算误差,并能够增加算法的抗噪性。 　　 　　1 表面法向差分近似 　　 　　已知物体表面反射模型是标准漫反射模型，称之为郎伯表面模型[3]。由此可以推导出SFS的成像函数，具体表现为一个非线性的偏微分方程： 　　E(x,y)=R(p,q)=P×S=p??sp+q??sq+1p??2??s+q??2??s+1×p??2+q??2+1(1) 　　式（1）中，P和S分别表示单位化的物体表面梯度向量和光源向量，即P=(p,q,1)??T/p??2+q??2+1(2) 　　S=(p??s,q??s,1)??T/p??2??s+q??2??s+1(3) 　　表面梯度分量p和q分别为p=-??z/??x和q=-??z/??y。在Osamu Ikeda的文章[4]中，曾经使用四种最简单的差分方式代替微分运算，这样可使得R变为一个关于z变量的非线性函数，然后将f在z(x,y)点线性展开并使用Jacobi迭代，则可以得到概括为如下的矩阵表达式： 　　-f(n-1)=g(n-1)(z(n)-z(n-1)) n=1,2,3,…(4) 　　其中，n为迭代次数，f和z分别为f(x,y)和z(x,y)对应的N??2维的列向量: 　　f=(f??1,1, f??2,1,,…, f??N,1,…, f??1,N, f??2,N,…, f??N,N)??T 　　z(n)=(z(n)????1,1,z(n)??2,1,…,z(n)??N,1,…,z(n)??1,N,z(n)??2,N,…,z(n)??N,N)??T 　　g为N??2×N??2维矩阵，式（4）也可以表示为如下直接求解z的形式： 　　z(n)=z(n-1)-(g(n-1))-1f(n-1)(5) 　　通过给定初值z(0)，物体表面高度由上式迭代求得。由于使用不同的差分方法得到的矩阵g不同，恢复出来的表面形状也略有不同。由于g