基于神經網絡的虛擬場景真空感圖像重建.pdf

1、傳統(tǒng)的計算機圖形學在生成真實感圖像上遇到了很大的障礙,這里主要有兩個方面的原因,首先是因為物體的表面模型很難準確獲取,其次是由于繪制過程計算比較復雜.基于圖像的建模和繪制方法(IBMR)直接從原始輸入圖像來繪制新視點圖像,因而能夠快速準確地生成真實感圖像,但這種技術還有許多有待研究的問題,其中包括如何重建動態(tài)場景圖像和有鏡面反射效果的圖像,如何改變圖像中物體的反射特性.現(xiàn)有的IBMR方法不能有效地實時重建光照條件變化的動態(tài)場景圖像.該文

2、從研究圖像色彩與場景光照的關系入手,提出了一種生成虛擬光照下真實感圖像的方法.由于同一個物體在不同光照條件下會反射出不同的顏色,利用神經網絡找到顏色的變化規(guī)律,就可以從已有的圖像推斷得到在不同光照下的虛擬圖像.這種方法算法簡單,可以生成光照條件變化的動態(tài)場景圖像,與其他技術相結合,可以進一步應用于實時的動態(tài)虛擬現(xiàn)實中.以往提出的IBMR方法不能準確重建具有明顯鏡面反射效果的新視點圖像.而該文通過分析視點位置與圖像顏色的關系提出了基于神經

3、網絡技術來重建虛擬視點位置圖像的方法,這種重建方法只要少數(shù)幾幅定標圖像作為輸入,而且算法也比較簡單,并可以準確重建具有鏡面效果的真實感圖像.在圖像重建中經常需要對場景中物體的表面特性作出調整,以取得不同的視覺效果.該文提出了分離圖像的漫反射和鏡面反射能量分布的方法,并對分離出來的圖像重新分配漫反射和鏡面反射能量的比例,實現(xiàn)了基于IBMR技術改變圖像中物體的表面性質和重建具有不同反射特性的虛擬視點圖像.由于使用已有的神經網絡技術不能適應樣

4、本稀疏情況下輸入向量與樣本的距離的變化,基于廣義回歸神經網絡(GRNNs)該文提出了一種新的模型,即增量疊加模型,并應用這種模型實現(xiàn)了虛擬光照條件下真實感圖像的重建;這種模型還可以適用于任何樣本分布不均或樣本稀疏的問題.采用神經網絡技術該文重建了虛擬場景的真實感圖像,這是對圖像重建方法的一種新的嘗試,也開辟了一種新的解決問題的思路,同時以這種方法實現(xiàn)了虛擬視點和光照變化的動態(tài)場景圖像的重建.該文基于GRNNs提出的模型是對神經網絡技術的