三维变形体的因式分解重建方法

doi:10.3969/j.issn.1001-2400.2016.01.021

J4 ›› 2016, Vol. 43 ›› Issue (1): 116-119.doi: 10.3969/j.issn.1001-2400.2016.01.021

三维变形体的因式分解重建方法

彭亚丽1,2;刘侍刚2;梁新刚2;廖福轩2

(1. 陕西师范大学现代教学技术教育部重点实验室，陕西西安 710062;
2. 陕西师范大学计算机科学学院，陕西西安 710119)

收稿日期:2014-08-12 出版日期:2016-02-20 发布日期:2016-04-06
通讯作者: 彭亚丽
作者简介:彭亚丽(1979-)，女，讲师，E-mail: pengyl@snnu.edu.cn．
基金资助:
国家自然科学基金资助项目(61402274，41271387)；中国博士后科学基金特别资助项目(200902594)；中央高校基本科研业务费专项资金资助项目(GK201402040，GK201302029)；陕西师范大学学习科学交叉学科培育计划资助项目；陕西师范大学实验技术研究资助项目(SYJS201314)；陕西师范大学大学生创新创业训练计划资助项目(cx14023)

Factorization reconstruction method for the 3D deformable structure

PENG Yali1,2;LIU Shigang2;LIANG Xingang2;LIAO Fuxuan2

(1. Key Lab. of Modern Teaching Technology of Ministry of Edu., Shaanxi Normal Univ., Xi'an 710062, China;
2. School of Computer Science, Shaanxi Normal Univ., Xi'an 710119, China;)

Received:2014-08-12 Online:2016-02-20 Published:2016-04-06
Contact: PENG Yali

摘要/Abstract

摘要：

为了从非标定图像序列中重建出三维非刚体的结构，提出了一种三维变形体的因式分解重建方法．该方法首先利用图像矩阵为低秩矩阵的特性，通过奇异值分解求到射影重建，利用投影矩阵的正交约束，实现射影重建到欧氏重建的过渡．该方法的优点是，重建过程全部为线性求解，且将图像及图像点平等对待．模拟实验和真实实验数据结果表明，该重建方法具有鲁棒性好和重投影误差小等优点．

关键词: 变形体, 重建, 因式分解

Abstract:

To recover the 3D deformable structure from an un-calibration image sequence, a factorization reconstruction method for 3D deformable reconstruction is presented. Based on the low rank constraint on the image matrix, the projective reconstruction can be obtained by single value decomposition. By using the orthogonality of the projective matrix, the Euclidean reconstruction is upgraded from projective reconstruction. The innovation of the method is that the solving of the 3D non-rigid reconstruction is linear and that all the images and the image points are treated uniformly. The experiments with both simulated and real data show that the method presented in the paper is efficient.

Key words: deformable structure, reconstruction, factorization

彭亚丽;刘侍刚;梁新刚;廖福轩. 三维变形体的因式分解重建方法[J]. J4, 2016, 43(1): 116-119.

PENG Yali;LIU Shigang;LIANG Xingang;LIAO Fuxuan. Factorization reconstruction method for the 3D deformable structure[J]. J4, 2016, 43(1): 116-119.

参考文献

［1］ SHEEHAN M, HARRISON A, NEWMAN P. Automatic Self-calibration of a Full Field-of-view 3D n-laser Scanner［J］. Experimental Robotics, 2014, 79(1): 165-178.
［2］ PENG Y, LIU S, LIU F. Projective Reconstruction with Occlusions［J］. Opto-Electronics Review, 2010, 18(2): 14-18.
［3］ TOMASI C, KANADE T. Shape and Motion from Image Streams under Orthography: a Factorization Method［J］. International Journal of Computer Vision, 1992, 9(2): 137-154.
［4］ DIGNE J, STEINER D, ALLIEZ P, et al. Feature-preserving Surface Reconstruction and Simplification from Defect-laden Point Sets［J］. Journal of Mathematical Imaging and Vision, 2014, 48(2): 369-382.
［5］彭亚丽, 刘芳. 一种组织进化的遮挡点恢复算法［J］. 西安电子科技大学学报, 2013, 40(4): 137-141.
PENG Yali, LIU Fang. An Organizational Evolutionary Algorithm for Occlusion Recovery［J］. Journal of Xidian University, 2013, 40(4): 137-141.
［6］ BREGLER C, HERTZMANN A, BIERMANN H. Recovering Non-rigid 3D Shape from Image Streams［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Los Alamitos: IEEE, 2000: 690-696.
［7］ NOGUER F, FUA P. Stochastic Exploration of Ambiguities for Nonrigid Shape Recovery［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(2): 463-475.
［8］ GARG R, ROUSSOS A, AGAPITO L. Dense Variational Reconstruction of Non-rigid Surfaces from Monocular Video［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2013: 1272-1279.
［9］ BRAND M. A Direct Method for 3D Factorization of Nonrigid Motion Observed in 2D［C］//Proceedins of the IEEE International Conference on Computer Vision and Pattern Recognition. Los Alamitos: IEEE Computer Society, 2005: 122-128.
［10］ SHEN S. Accurate Multiple View 3D Reconstruction Using Patch-based Stereo for Large-scale Scenes［J］. IEEE Transactions on Image Processing, 2013, 22(5): 1901-1914.
［11］ LLADO X, BUE A, AGAPITO L. Non-rigid Metric Reconstruction from Perspective Cameras［J］. Image and Vision Computing, 2010, 28(9): 1339-1353.

[1]	陈荣,许宏丽,杨东学,黄华. 一种基于空间编码结构光的稠密三维重建算法[J]. 西安电子科技大学学报, 2021, 48(6): 123-130.
[2]	张宇浩,程培涛,张书豪,王秀美. 一种自适应权重学习的轻量超分辨率重建网络[J]. 西安电子科技大学学报, 2021, 48(5): 15-22.
[3]	李坤伦,张鲁,许宏科,宋焕生. 小波域扩张网络用于低剂量CT图像快速重建[J]. 西安电子科技大学学报, 2020, 47(4): 86-93.
[4]	王晓明,张淑艳,张婕,原思聪. 一种深度残差学习的含噪图像轮廓重建方法[J]. 西安电子科技大学学报, 2020, 47(3): 66-71.
[5]	李健,张皓若,何斌. 结合形变模型的人体姿态估计优化算法[J]. 西安电子科技大学学报, 2020, 47(2): 23-31.
[6]	欧阳宁,王先傲,蔡晓东,林乐平. 结合小波与递归神经网络的低分辨率人脸识别[J]. 西安电子科技大学学报, 2019, 46(6): 95-101.
[7]	杨磊,岳云泽,李埔丞,章涛,杨桓. 多地面运动目标大动态SAR成像稀疏表示[J]. 西安电子科技大学学报, 2019, 46(5): 31-40.
[8]	刘树东,王晓敏,张艳. 一种对称残差CNN的图像超分辨率重建方法[J]. 西安电子科技大学学报, 2019, 46(5): 15-23.
[9]	陈晓范,申海杰,边倩,王振铎,田新志. 结合注意力机制的人脸超分辨率重建[J]. 西安电子科技大学学报, 2019, 46(3): 148-153.
[10]	时文俊,郭从洲,童晓冲,田园,曹闻. 辐射保真的红外遥感图像超分辨率重建[J]. 西安电子科技大学学报, 2019, 46(2): 107-113.
[11]	周哲哲,赵萌,石凡,陈胜勇,栾昊. 一种嫦娥三号高程值的估计方法[J]. 西安电子科技大学学报, 2019, 46(2): 139-144.
[12]	吕治国;李颖. 采用压缩感知的贝叶斯信道估计算法[J]. 西安电子科技大学学报, 2018, 45(2): 13-18+25.
[13]	侯榆青;魏红娜;易黄建;张旭;贺小伟. 螺旋式激发的荧光分子断层成像[J]. 西安电子科技大学学报, 2018, 45(2): 97-102.
[14]	王书振;谢琨;李莉;张金刚. 一种用于射电图像重建的改进RLTV算法[J]. 西安电子科技大学学报, 2017, 44(3): 72-76.
[15]	乔全邦;黄力宇;贺志杰. 一种自适应的CT图像联合代数重建算法[J]. 西安电子科技大学学报, 2016, 43(3): 67-72.

三维变形体的因式分解重建方法

Factorization reconstruction method for the 3D deformable structure

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10