[發(fā)明專利]一種基于圖像與集成學(xué)習(xí)的重光照方法

有效

• 申請?zhí)枺?/td>: 201810390285.2
• 申請日: 2018-04-26
• 公開（公告）號: CN108765540B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 韋偉;劉惠義;錢蘇斌;陳霜霜
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06T15/20
• 分類號: G06T15/20;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開了一種基于圖像與集成學(xué)習(xí)的重光照方法，該方法在圖像空間把像素點分成“容易訓(xùn)練”和“困難訓(xùn)練”兩類，即Pixel_Easy和Pixel_Hard，然后分而治之。對于像素點Pixel_Hard，利用集成學(xué)習(xí)的AdaBoost方法和神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，對于像素點Pixel_Easy，又進一步分成兩類，Pixel_EasyI和Pixel_EasyII。對Pixel_EasyI類像素點，利用集成學(xué)習(xí)的Bagging方法和神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)；對于Pixel_EasyII，利用人眼特性進行賦值。該方法基于圖像的重光照是指在新的光照條件下，利用采樣圖像恢復(fù)或重構(gòu)場景的光照信息，其中基圖像的采集和光照重構(gòu)的方法是本發(fā)明的關(guān)鍵?；谏鲜龇椒?，對虛擬和真實的四個場景進行測試，在相同的相對重構(gòu)誤差精度控制下，重光照所需的圖像樣本數(shù)更少，效果更優(yōu)。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機圖形學(xué)領(lǐng)域，尤其涉及一種基于圖像與集成學(xué)習(xí)的重光照方法。

背景技術(shù)

基于圖像的重光照(Image-based Relighting，IBR)技術(shù)是把連續(xù)的光傳輸空間看成離散的光傳輸空間，通過捕獲的圖像近似計算光傳輸矩陣，然后利用得到的光傳輸矩陣重構(gòu)在新光源條件下的場景。其最大優(yōu)點是無需場景模型的幾何信息，不受模型復(fù)雜度的影響，并且能重構(gòu)高光、散射、焦散、硬陰影等特殊光照效果。因此，自IBR提出以來，一直是計算機圖形學(xué)領(lǐng)域研究的熱點。

在IBR技術(shù)中，基圖像的采集和光照重構(gòu)的方法是關(guān)鍵。一般來說，采集到的基圖像越多，重構(gòu)的場景光照信息越準確，但往往需要密集采樣，采集量非常大，普適性不強。因此，有必要提出新的方法，在盡可能少的采樣圖像基礎(chǔ)上，更真實地重光照場景，這是目前急需解決的問題。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是提供一種基于圖像與集成學(xué)習(xí)的重光照方法。首先把圖像空間的像素點劃分成3類：Pixel_Hard、Pixel_Easy I、Pixel_Easy II；然后分而治之，分別利用AdaBoost算法、Bagging算法和人眼特性對3類像素點進行擬合計算，從而實現(xiàn)小樣本、高精度的重光照效果。

技術(shù)方案：為了實現(xiàn)上述發(fā)明目的，本發(fā)明采用如下的技術(shù)方案：一種基于圖像與集成學(xué)習(xí)的重光照方法，包括以下具體步驟：

(1)采集三維場景數(shù)據(jù)，包括獲得的圖像集ImageSet以及對應(yīng)的光源坐標集，并對像素點的RGB值進行歸一化處理；

(2)設(shè)計用于處理圖像的神經(jīng)網(wǎng)絡(luò)模型；

(3)在圖像的像素空間把像素點集合Pixel劃分成3類：Pixel_Hard、Pixel_Easy I、Pixel_Easy II；

(4)隨機采集樣本圖像，樣本數(shù)為ImageNum；

(5)根據(jù)3種不同類型的像素點集合Pixel_Hard、Pixel_Easy I、Pixel_Easy II，采取不同方法計算不同光源條件下像素點的像素值；其中，Pixel_Hard集合用AdaBoost算法和神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，Pixel_Easy I集合用Bagging算法和神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，Pixel_Easy II進行隨機化處理；

(6)使用步驟(5)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)集成和隨機化處理方法對圖像集ImageSet擬合生成新的圖像集，并與原圖像集ImageSet進行比較，若相對重構(gòu)均方誤差小于閾值ε，執(zhí)行步驟(7)；否則增加圖像樣本數(shù)ImageNum，返回步驟(4)；