傳統(tǒng)浮雕設(shè)計(jì)需大量用戶交互、設(shè)計(jì)效率低下。相比而言,基于算法的浮雕建模技術(shù)在保證一定建模質(zhì)量前提下,可以減少或避免繁瑣的人工交互,從而提高浮雕設(shè)計(jì)的自動(dòng)化程度和建模效率�，F(xiàn)有淺浮雕建模研究一般面向通用浮雕,尚未出現(xiàn)針對人像淺浮雕設(shè)計(jì)特點(diǎn)的解決方案。本文以單張人像圖像為輸入介質(zhì),圍繞基于2D圖像的人像浮雕建模問題,在人臉關(guān)鍵點(diǎn)檢測、幾何形狀重建、面部細(xì)節(jié)恢復(fù)、深度結(jié)構(gòu)保留、浮雕厚度編輯、眼鏡分割與重建等方面進(jìn)行了研究,具體內(nèi)容包括以下三個(gè)方面:（1）開發(fā)了人臉圖像特征點(diǎn)檢測及定位系統(tǒng),在輸入圖像上實(shí)現(xiàn)人臉關(guān)鍵點(diǎn)自動(dòng)定位和手工微調(diào)功能,并將關(guān)鍵點(diǎn)以二維坐標(biāo)形式輸出,為后續(xù)基于關(guān)鍵點(diǎn)約束的人像浮雕建模奠定基礎(chǔ)。（2）研究了一種由單張照片生成人臉浮雕的建模方法。給定單張人臉圖像,通過基于模板的三維變形方法和Shape from Shading理論來擬合人像浮雕。該方法可以生成人像淺浮雕,也可以構(gòu)造人像高浮雕。實(shí)驗(yàn)結(jié)果表明,該方法交互少,建模質(zhì)量高,基本能滿足人像浮雕設(shè)計(jì)要求,具有較好的工程應(yīng)用價(jià)值。（3）人臉眼鏡的圖像分割和高度重建。為了解決人臉眼鏡的自動(dòng)建模問題,本文提出了一種基于深度學(xué)習(xí)的... 

【文章來源】：齊魯工業(yè)大學(xué)山東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

常見浮雕

第1章緒論2獲取復(fù)雜且不方便�；�2D圖像生成數(shù)字浮雕建模技術(shù)，只需要輸入一張圖片，相比3D模型更容易獲取且獲取成本更低，具有更大的應(yīng)用潛力。本文研究以2D圖像為輸入的人像浮雕建模方法，實(shí)現(xiàn)人像由二維空間到三維空間的轉(zhuǎn)化，為人像浮雕自動(dòng)建模提供理論依據(jù)和技術(shù)支持。人像浮雕如圖1.2。圖1.2常見的人像浮雕1.2浮雕建模技術(shù)研究現(xiàn)狀傳統(tǒng)浮雕建模以手工雕刻為主，費(fèi)時(shí)費(fèi)力，設(shè)計(jì)制作浮雕往往需要很長的時(shí)間。在過去的幾十年中，使用Art-CAM，JDPaint和Type3等商業(yè)軟件創(chuàng)建數(shù)字浮雕已經(jīng)成為主流方法。用戶可以在軟件平臺上設(shè)計(jì)各種類型的浮雕模型，并將其輸出到計(jì)算機(jī)驅(qū)動(dòng)的銑削或3D打印設(shè)備中來生成浮雕。但是，該過程仍然非常耗時(shí)，為了制作高質(zhì)量的浮雕，藝術(shù)家必須在預(yù)處理和后期處理階段進(jìn)行大量的用戶交互，軟件操作者的專業(yè)技能和藝術(shù)專長很大程度上決定著浮雕設(shè)計(jì)質(zhì)量。最近十年，自動(dòng)浮雕技術(shù)逐漸成為學(xué)術(shù)研究熱點(diǎn)，常見方法主要有兩類：基于3D模型映射的浮雕建模技術(shù)和2D浮雕建模技術(shù)。（1）3D模型映射的浮雕建模技術(shù)將3D對象作為輸入并將模型壓縮到背景上來生成浮雕的方法則為基于3D模型映射的建模。這些方法中的大多數(shù)將浮雕幾何圖形表示為2.5D高度場，主要技術(shù)難點(diǎn)是恢復(fù)由于壓縮引起的幾何細(xì)節(jié)，消除輪廓處的高度不連續(xù)性，并盡可能保留原始模型的深度層次。最早進(jìn)行基于模型映射的浮雕建模技術(shù)研究的為Cignoni等人[1]，作者將輸入的三維模型壓縮到背景平面上，并用2.5D高度場表示浮雕。通過透視變換計(jì)算的映射深度緩沖區(qū)定義高度常隨后幾年，基于3D模型映射的新穎的建模方法被陸續(xù)提出，包括空間域淺浮雕建模、梯度域淺浮雕建模以及混合域淺浮雕建模。

齊魯工業(yè)大學(xué)碩士學(xué)位論文9第2章人臉圖像特征點(diǎn)檢測及定位方法研究2.1引言在生成浮雕模型之前，對于輸入的單張人臉圖像進(jìn)行人臉關(guān)鍵特征點(diǎn)定位，是數(shù)字人像浮雕建模的首要問題。為了保證人臉建模精度，本文選定122個(gè)特征點(diǎn)模型，在估計(jì)形狀系數(shù)之前，首先使用Face++[56]檢測輸入圖像上的83個(gè)特征點(diǎn)，包括臉部輪廓，鼻子輪廓及尖端部分，眼睛輪廓，眉毛邊界，嘴巴邊界。圖2.1人臉特征點(diǎn)編號由Face++檢測輸入圖像上的83個(gè)特征點(diǎn)不包括耳朵輪廓，為了保證建模的準(zhǔn)確性，在83個(gè)特征點(diǎn)的基礎(chǔ)上添加39個(gè)特征點(diǎn)，比較直接的方法是用戶進(jìn)行拖放交互，添加39個(gè)特征點(diǎn)，如圖2.1所示。但是通過用戶拖放的方法比較耗


本文編號：3096505