论文部分内容阅读
纹理是自然界中普遍存在的一种物质表面特征,是组成物体表面外观属性的重要元素。真实世界中的纹理包含了丰富的自然场景信息。三维表面纹理作为自然界中普遍存在的纹理类型,其复杂的表面结构以及对光照方向和观察视角的敏感性,使得对其本身所具有的自然属性以及潜在特征的研究就变得尤为重要。本文在评估和分析了国内外该领域以及相关领域研究的基础上,对三维表面纹理光照方向tilt角(光源向量在平面坐标系x-y平面上的投影与x轴的正向夹角)估计展开研究。本文设计出基于Bag-of-features算法针对纹理阴影特征进行分类训练,然后通过基于Haar特征的Active Basis对测试纹理与已知光照方向的训练集纹理进行匹配,从而确定测试纹理光照方向tilt角度的判断方法。为了完成这一方法,本文首先通过Bag-of-features算法对一系列已经记录光照方向的训练集纹理进行训练,尽可能的使其分类细致;然后对于一幅测试纹理本文通过SVM分类器确定其所属的分类。在经历以上过程之后,将基于Haar特征的Active Basis同时运用于测试纹理和训练集纹理,从而得到测试纹理和它经过分类算法确定所属分类中全部训练集纹理的base直方图,最后通过base直方图的匹配算法得到与测试纹理最相近的训练集纹理,测试纹理的光照方向和匹配结果所确定的训练集纹理的光照方向相同。为了验证这一算法的稳定性,以及针对实验中所产生的问题具体分析,本文将实验设计为两部分:一、测试图片所属的纹理类型在训练集纹理中一定存在;二、测试图片所属的纹理类型不在训练集纹理中。然后对光照估计结果进行分析。实验结果表明Bag-of-features算法能够有效提取纹理中的边缘信息,特别是对阴影所占比重较大纹理。本文所提出的方法能够有效估计三维表面纹理在不同光照条件下的tilt角光照方向且保证良好的准确率。