论文部分内容阅读
三维形状恢复是计算机视觉领域的一个经典问题，它通过明暗、纹理、立体视觉等线索从一幅或多幅照片恢复目标物体表面高度。作为形状恢复的关键技术之一，基于明暗的形状恢复根据图像明暗变化，利用物体成像模型来重构三维信息。一种简单有效的成像模型是Lambertian成像模型，它指出图像灰度R由物体表面反射率JD以及光照方向L与表面法矢量n之间夹角余弦决定，而与观测者视角无关：然而在图像灰度R及光照方向L确定的情况下，Lambertian模型求解表面法矢量是病态的，不存在唯一解，需要加入约束条件保证解的唯一性。利用Lambertian成像模型，如今已经发展出最小化算法、演化算法和局部化算法为基础的一套SFSN论。本研究内容如下：
1．回顾了几类经典SFS算法，通过分别对合成图片与真实图片进行实验，从算法误差、重建结果光滑性等方面定量定性分析了这些算法的优点与不足，并提出了改进方向；
2．针对基于几何关系的最小化算法进行改进，在原有的光滑性约束基础上，还引入空间位置上法矢量场的可积性约束，进一步提高了恢复效果，为识别提供了良好准备；
3．将SFS算法应用到人脸识别中。针对SFS算法得到的法矢量场，提出了基于曲面拓扑信息的点积距离、曲率直方图距离和形状指标距离的识别策略，克服光照的影响进行人脸识别实验。实验表明，与传统的PCA结合LDA算法相比，基于SFS的人脸识别算法具有较好识别效果：在不同光照的CMU人脸库上识别率可以达到96％；当每个人像仅取3幅作为训练集合而余下18幅作为测试集合时，识别率也有近80％。存在的误差是由于光照方向估计偏差造成的。