本文關(guān)鍵詞： 雙向反射分布函數(shù) 雙向紋理函數(shù) 稀疏采集 圖像超分辨率 光譜重建　出處：《浙江大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：在虛擬現(xiàn)實(shí)、電影特效制作和計(jì)算機(jī)輔助設(shè)計(jì)等領(lǐng)域中,真實(shí)感圖形學(xué)得到了廣泛的應(yīng)用。真實(shí)感圖形學(xué)致力于在計(jì)算機(jī)上合成出具有照片真實(shí)感的圖形,為了達(dá)到這個(gè)目的,需要采集真實(shí)物體表面在不同視角方向和光照方向下的紋理圖像。這些紋理圖像的集合可以被稱為雙向紋理函數(shù)(Bidirectional Texture Function,BTF)數(shù)據(jù)。由于BTF數(shù)據(jù)維度較高,現(xiàn)實(shí)采集中存在采集時(shí)間過(guò)長(zhǎng)、采集數(shù)據(jù)量龐大等問(wèn)題,給其實(shí)際應(yīng)用帶來(lái)了困難�，F(xiàn)有文獻(xiàn)在BTF數(shù)據(jù)壓縮、合成和渲染方面取得了很好的進(jìn)展,但在高效采集和重建方面的研究工作較少。本論文針對(duì)BTF數(shù)據(jù)(圖像)高效采集和重建這兩個(gè)方面問(wèn)題開(kāi)展了以下創(chuàng)新性的研究工作:1.提出了 一種從物體樣品稀疏采集的BTF數(shù)據(jù)中重建完整BTF數(shù)據(jù)的方法。在訓(xùn)練階段,將訓(xùn)練數(shù)據(jù)進(jìn)行聚類,通過(guò)數(shù)據(jù)分解得到能夠表征每個(gè)類的基函數(shù)矩陣,并采用優(yōu)化實(shí)驗(yàn)設(shè)計(jì)法選出稀疏采集的角度;在采樣/重建階段,只在被選擇的稀疏采樣角度下采集新物體樣品的數(shù)據(jù),通過(guò)最小二乘法重建出完整的BTF數(shù)據(jù)。該方法能夠分別選擇相機(jī)和光源的稀疏采集位置,有效地減少了實(shí)際所需的相機(jī)和光源個(gè)數(shù)。2.提出了一種快速的BTF圖像超分辨率重建的方法。通過(guò)奇異值分解將已采集到的低分辨率BTF數(shù)據(jù)分解為本征紋理矩陣和特征ABRDF矩陣,然后采用圖像超分辨率重建算法,提升本征紋理矩陣的分辨率。最后,高分辨率的BTF圖像可以通過(guò)高分辨率本征紋理矩陣和低分辨率的特征ABRDF矩陣相乘獲得。3.提出了一種有效的光譜BTF數(shù)據(jù)采集和重建的方法。該方法首先獲取物體樣品完整的彩色(RGB)BTF圖像和一幅正視角相機(jī)下的光譜圖像。然后分析BTF采集裝置結(jié)構(gòu)和光譜成像裝置結(jié)構(gòu)的特點(diǎn),建立起兩者之間的關(guān)聯(lián),并得到與光譜圖像相關(guān)的RGB圖像。最后采用基于非負(fù)矩陣分解的光譜重建方法,將RGB和光譜圖像融合,得到物體樣品的光譜BTF數(shù)據(jù)。
[Abstract]:In the field of virtual reality, film special effects and computer aided design, realistic graphics has been widely used. Realistic graphics on a computer dedicated to synthesize photorealistic graphics, in order to achieve this goal, need to collect real objects on the surface of different view direction and light texture image direction. Set the texture image can be called bidirectional texture function (Bidirectional Texture, Function, BTF). The BTF data of high dimension data acquisition time is too long, the reality of the existence of the collection, huge amount of data collection, for its practical application difficult. The existing literature on BTF data compression, synthesis and rendering progress very good, but in terms of efficient acquisition and reconstruction work less. In this paper BTF (image), data acquisition and reconstruction of the two aspects of the problem The research work has been carried out the following: 1. we proposed a reconstruction method of complete BTF data from BTF data object samples of sparse data. During the training phase, the training data can be obtained by clustering the basis function matrix characterization of each class by data decomposition, and the optimal experimental design method to choose the angle of sparse data in the sampling / reconstruction phase; only the sampling angle collected under the new object data in sparse samples is selected, a complete BTF data by the least squares method. The method can select the reconstruction of sparse data position of the camera and the light source, effectively reduce the actual requirement of the camera and the light source number.2. proposed a super resolution reconstruction of BTF images. The rapid decomposition of low resolution BTF data have been collected into the intrinsic matrix and texture characteristics of the ABRDF matrix by the singular value, then the image Super resolution reconstruction algorithm, enhance the intrinsic matrix texture resolution. Finally, the characteristics of ABRDF matrix multiplication BTF high resolution image by high resolution eigen matrix texture and low resolution.3. put forward an effective method of spectral BTF data acquisition and reconstruction. The method first obtains the object sample full color (RGB BTF) spectral image image and a positive view of the camera. Then analyzing the characteristics of the BTF acquisition device structure and spectral imaging device structure, establish the relationship between the two, and are related with spectral image RGB image. Finally using spectral reconstruction method based on non negative matrix factorization, RGB and spectral image fusion BTF, get the spectrum data of the object samples.

【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹漢強(qiáng),朱光喜,朱耀庭;一種自然紋理圖像生成的新方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2000年04期

2 肖志濤,于明;紋理圖像分類系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2000年09期

3 劉國(guó)強(qiáng);紋理防偽——21世紀(jì)防偽新技術(shù)[J];中國(guó)防偽;2001年03期

4 李晗靜,郭恒業(yè),趙輝,陳爽;合并紋理圖像技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2003年29期

5 徐曉剛,馬利莊;紋理混合與紋理傳輸[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2003年01期

6 田玉敏,乃學(xué)尚,高有行,宋笑雪;基于整數(shù)小波系數(shù)的紋理圖像檢索方法研究[J];西安電子科技大學(xué)學(xué)報(bào);2003年01期

7 向世明,趙國(guó)英,陳睿,賈富倉(cāng),李華;紋理圖像基及其應(yīng)用[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年07期

8 畢曉君,李文秀;一種新型紋理圖像生成方法研究[J];自動(dòng)化技術(shù)與應(yīng)用;2005年01期

9 劉利娟,葉正麟,古元亭;一種近似周期性紋理的合成方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年11期

10 李輝;曾安祥;潘宏偉;廖昌閶;;虛擬超大紋理的設(shè)計(jì)與實(shí)現(xiàn)[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2006年06期

相關(guān)會(huì)議論文 前10條

1 薛玉彩;張劍清;張祖勛;;數(shù)字城市中真實(shí)墻面紋理圖像的壓縮[A];開(kāi)創(chuàng)新世紀(jì)的通信技術(shù)——第七屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集[C];2001年

2 周佳男;;一種拓?fù)浼y理圖像的相位場(chǎng)模型分割算法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 田松;許悅雷;關(guān)文彬;李濤;董艷芳;;基于多尺度分析的紋理圖像分割[A];探索 創(chuàng)新 交流——第五屆中國(guó)航空學(xué)會(huì)青年科技論壇文集(第5集)[C];2012年

4 祝軒;周明全;耿國(guó)華;;非紋理圖像修復(fù)方法研究[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

5 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

6 王偉凝;余英林;張劍超;;圖像的動(dòng)感特征分析[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

7 曹漢強(qiáng);朱光喜;朱耀庭;;基于分形的自然紋理圖像生成方法[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

8 黃建軍;謝維信;;基于最佳濾波和自適應(yīng)模糊聚類的紋理圖像分割[A];第九屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2001年

9 沈妮;張紅英;彭啟琮;;一種新型基于紋理合成的圖像補(bǔ)全算法在DSP上的實(shí)現(xiàn)[A];2006中國(guó)西部青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

10 韓焱;王明泉;宋樹(shù)爭(zhēng);;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊(cè)）[C];2001年

相關(guān)重要報(bào)紙文章 前8條

1 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

2 四川 鄧培智;圖解3D術(shù)語(yǔ)[N];中國(guó)電腦教育報(bào);2000年

3 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

4 ;B超術(shù)語(yǔ)解釋[N];農(nóng)村醫(yī)藥報(bào)（漢）;2008年

5 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

6 小刺猬;羽 毛[N];中國(guó)電腦教育報(bào);2004年

7 馬駿睿 皓月;制作版畫(huà)效果圖片[N];中國(guó)攝影報(bào);2007年

8 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 董巍;雙向紋理函數(shù)（BTF）圖像的高效采集與重建方法[D];浙江大學(xué);2017年

2 馬爽;紋理圖像智能修補(bǔ)關(guān)鍵技術(shù)研究[D];華北電力大學(xué);2015年

3 朱峰;基于分形幾何的彩色紋理圖像分析方法研究[D];東南大學(xué);2015年

4 王懷暉;基于特征的復(fù)雜流場(chǎng)紋理可視化關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

5 李娜;褪色文物模型色彩重建技術(shù)研究[D];西北大學(xué);2015年

6 許文韜;紋理圖像特征提取與分類研究[D];華東師范大學(xué);2017年

7 馮志林;拓?fù)浼y理圖像的關(guān)鍵預(yù)處理技術(shù)研究[D];浙江大學(xué);2005年

8 喬玉龍;小波在紋理圖像處理中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

9 向世明;紋理圖像統(tǒng)計(jì)及其應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2004年

10 夏勇;基于特征的紋理圖像分割技術(shù)研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 周敏剛;基于雙邊局部二值模式的旋轉(zhuǎn)不變紋理圖像檢索[D];蘭州大學(xué);2015年

2 陳麗;紋理圖像的結(jié)構(gòu)提取方法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 王隆;虛擬地球表面紋理數(shù)據(jù)的處理與管理[D];浙江大學(xué);2015年

4 尹相鳳;基于非局部CTV-L1模型的大破損彩色紋理圖像修復(fù)[D];青島大學(xué);2015年

5 徐廣毅;基于三維模型幾何信息的紋理圖像壓縮[D];哈爾濱工業(yè)大學(xué);2015年

6 張奇;紅外紋理生成與重采樣方法研究[D];西安電子科技大學(xué);2014年

7 楊青;紋理圖像局部灰度自動(dòng)校正及其在葉脈分割中的應(yīng)用研究[D];東華理工大學(xué);2016年

8 陳剛;紋理圖像特征提取與聚類集成[D];福州大學(xué);2013年

9 向斌;紋理圖像特征提取與子空間分割聚類[D];福州大學(xué);2014年

10 趙曉蕊;基于稀疏表示及卡通—紋理模型的相位恢復(fù)算法研究[D];燕山大學(xué);2016年

，

本文編號(hào)：1538775