论文部分内容阅读
提出一种基于先进的凸优化技术的光度立体视觉重建框架．首先通过鲁棒的主成分分析（Robustprinciplecompo—nentanalysis，RPCA）祛除图像噪声，得到低秩矩阵和物体表面向量场，然后再通过表面重建算法从向量场来恢复物体形状．相对于先前的一些使用最小二乘或者一些启发式鲁棒技术的方法，该方法使用了所有可用的信息，可以同时修复数据中的丢失和噪声数据，显示出了较高的计算效率以及对于大的稀疏噪声的鲁棒性．实验结果表明，本文提出的框架大大提高了在噪声存在情况下物体表面的重建精度．