论文部分内容阅读
在虚拟现实、电影特效制作和计算机辅助设计等领域中,真实感图形学得到了广泛的应用。真实感图形学致力于在计算机上合成出具有照片真实感的图形,为了达到这个目的,需要采集真实物体表面在不同视角方向和光照方向下的纹理图像。这些纹理图像的集合可以被称为双向纹理函数(Bidirectional Texture Function,BTF)数据。由于BTF数据维度较高,现实采集中存在采集时间过长、采集数据量庞大等问题,给其实际应用带来了困难。现有文献在BTF数据压缩、合成和渲染方面取得了很好的进展,但在高效采集和重建方面的研究工作较少。本论文针对BTF数据(图像)高效采集和重建这两个方面问题开展了以下创新性的研究工作:1.提出了 一种从物体样品稀疏采集的BTF数据中重建完整BTF数据的方法。在训练阶段,将训练数据进行聚类,通过数据分解得到能够表征每个类的基函数矩阵,并采用优化实验设计法选出稀疏采集的角度;在采样/重建阶段,只在被选择的稀疏采样角度下采集新物体样品的数据,通过最小二乘法重建出完整的BTF数据。该方法能够分别选择相机和光源的稀疏采集位置,有效地减少了实际所需的相机和光源个数。2.提出了一种快速的BTF图像超分辨率重建的方法。通过奇异值分解将已采集到的低分辨率BTF数据分解为本征纹理矩阵和特征ABRDF矩阵,然后采用图像超分辨率重建算法,提升本征纹理矩阵的分辨率。最后,高分辨率的BTF图像可以通过高分辨率本征纹理矩阵和低分辨率的特征ABRDF矩阵相乘获得。3.提出了一种有效的光谱BTF数据采集和重建的方法。该方法首先获取物体样品完整的彩色(RGB)BTF图像和一幅正视角相机下的光谱图像。然后分析BTF采集装置结构和光谱成像装置结构的特点,建立起两者之间的关联,并得到与光谱图像相关的RGB图像。最后采用基于非负矩阵分解的光谱重建方法,将RGB和光谱图像融合,得到物体样品的光谱BTF数据。