基于灰度圖像的重構(gòu)模型與算法研究.pdf

1、隨著人類文明的發(fā)展，越來越多的領(lǐng)域要求快速的獲取物體的數(shù)字化模型。利用圖像灰度信息重構(gòu)物體的三維表面(簡稱:SFS，ShapefromShading)是一種快速的非接觸式三維測量手段。在遙感、工業(yè)測量、人臉識別、快速成型等領(lǐng)域都有著廣闊的應(yīng)用前景。但是現(xiàn)有的SFS算法存在重構(gòu)精度低，計(jì)算效率低，重構(gòu)結(jié)果容易產(chǎn)生歧義等缺點(diǎn)。本文分別針對SFS問題的不同模型提出了不同的解決方案。首先對OSFS模型提出了一種基于優(yōu)化思想的重構(gòu)方法，使算法收斂

2、于全局最小。隨后對PSFS問題中普遍存在的歧義現(xiàn)象進(jìn)行了詳細(xì)討論，分析了歧義現(xiàn)象產(chǎn)生的原因，并證明了歧義現(xiàn)象是不可消除的，同時(shí)也證明了歧義與PSFS問題解的唯一性之間不存在根本矛盾，在一定的邊界條件下PSFS問題仍然是一個(gè)適定問題。接著提出了一種基于圖像分割思想針對非連續(xù)灰度圖像的重構(gòu)算法，該算法有效的避免了歧義現(xiàn)象的產(chǎn)生，并很好的延續(xù)了圖像中物體的非連續(xù)性。最后本文提出一種高效的SFS算法，該算法將SFS問題中經(jīng)典的Lambert模型