一种图像重构方法技术

本发明专利技术涉及一种图像重构方法，该方法包括以下步骤：使用移动拍摄设备围绕脚部拍摄一组二维图像或者围绕脚部拍摄一段完整视频；对于上传的图像进行灰度化处理；通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点；对图像做不同尺度的高斯模糊，降采样即分辨率逐层降低的方法对平滑图像进行抽样，构建高斯金字塔和高斯差分金字塔，在金字塔的每个层中，确定表示图像Harris角特征的位置；找到每个角特征的位置，显示该角强度，根据角强度与预定最小强度阈值对比，删除点，重复测试，确定总数是否超过最大允许值，若超过，再次增加半径并重复过程，交替进行，直到角位置数目等于或降到最大允许值。

【技术实现步骤摘要】
一种图像重构方法
本专利技术涉及鞋楦模型构建技术，特别涉及一种重构脚部三角网格模型处理方法及系统。
技术介绍
人脚具有容易发生变形和很难处于静止状态等特征，如果使用接触式测量设备获取脚的点云数据，在测量过程中测量设备的探头会挤压脚面，让人脚形状发生变形，在使人脚收到损伤的同时也使得测量获取的人脚点云产生一些误差。而且使用接触式测量设备需要人脚一直处于某一特定位置，并需要使用设备将其固定在工作台上，在进行测量时人脚还需要跟随工作台移动，人脚很难实现这些需求，这就导致许多脚部特征参数和一些复杂曲面，曲线都无法被测量出来，使得人脚测量点云数据存在很大的误差。考虑到安全健康的要求，用来测量人脚点云的扫描设备的射线不能对人体有危害，因此在非接触式测量中的射线成像方法和工业计算机断层扫描成像法都不能用在人脚点云的测量。本专利技术流程使用非接触时拍摄的方式，由拍摄的图像重构出人脚模型。而现有的鞋楦模型逆向重构文件格式大多为点云模型和由边界混成法或小平面特征法生成的NURBS曲面模型，这些方法得到的模型部分会失真，光顺性不好，存在较多冗余点，储存空间大，数据管理和分析难度大，不利于模型的实时处理。
技术实现思路
本专利技术的目的在于，解决现有技术脚部鞋楦模型构建存在的上述问题。为实现上述目的，本专利技术提供了一种图像重构方法，包括以下步骤：使用移动拍摄设备围绕脚部拍摄一组二维图像或者围绕脚部拍摄一段完整视频；对于上传的图像进行灰度化处理，基于灰度图像运用多尺度检测角点技术，快速提取图像特征角点并在同一场景的重叠的图像中找到对应关系，并对不同图像进行按参照物尺寸为基准的缩放；通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点；对图像做不同尺度的高斯模糊，降采样即分辨率逐层降低的方法对平滑图像进行抽样，构建高斯金字塔和高斯差分金字塔，在金字塔的每个层中，确定表示图像Harris角特征的位置；通过找到每个角特征的位置，显示该角强度，根据角强度与预定最小强度阈值对比，删除点，重复测试，确定总数是否超过最大允许值，若超过，再次增加半径并重复过程，交替进行，直到角位置数目等于或降到最大允许值。附图说明图1为本专利技术实施例提供的一种脚部鞋楦模型构建系统结构示意图；图2为图1所示脚部鞋楦模型构建系统的图像重构系统工作流程示意图；图3为图1所示脚部鞋楦模型构建系统的重构脚部点云模型处理系统工作流程示意图；图4为图1所示脚部鞋楦模型构建系统的重构脚部三角网格模型处理及特征点参数自动提取并标注系统工作流程示意图；图5为图1所示脚部鞋楦模型构建系统的脚部模型定位变形系统工作流程示意图；图6为图1所示脚部鞋楦模型构建系统的脚部特征参数驱动标准鞋楦变形系统工作流程示意图；图7为图1所示脚部鞋楦模型构建系统的重构鞋楦模型检测系统工作流程示意图；图8为图1所示脚部鞋楦模型构建系统的重构鞋楦模型输出系统工作流程示意图；图9为图1所示脚部鞋楦模型构建系统的个人鞋楦数据库管理系统工作流程示意图；图10为图1所示脚部鞋楦模型构建系统的鞋楦数据库构建及管理系统工作流程示意图；图11(a)-图11(c)为脚部特征线特征点示意图；图12(a)-图12(b)为鞋楦特征线示意图。具体实施方式通过以下结合附图以举例方式对本专利技术的实施方式进行详细描述后，本专利技术的其他特征、特点和优点将会更加明显。图1为本专利技术实施例提供的一种脚部鞋楦模型构建系统示意图。如图1所示，该系统包括移动拍摄设备、处理服务器、图像重构系统、重构脚部点云模型处理系统、重构脚部三角网格模型处理及特征点参数自动提取并标注系统、脚部模型定位变形系统、鞋楦数据库构建及管理系统、脚部特征参数驱动标准鞋楦变形系统、重构鞋楦模型检测系统、个人鞋楦数据库管理系统和重构鞋楦模型输出系统。图2为图1所示脚部鞋楦模型构建系统的图像重构系统工作流程示意图。如图2所示，图像重构系统工作流程设置为：人在水平站立情况下，在脚边放置参照物，将脚接触参照物，自然放在参照物上，使用移动拍摄设备围绕脚部拍摄一组二维图像或者围绕脚部拍摄一段完整视频尽量每隔一秒改变角度在10度到45度之间。要求移动设备拍摄像素在200pdi以上。移动设备通过网络将拍摄所得图像图片上传到处理服务器。一般难以通过一副图像来得到全部的脚部信息，需要获取人脚各个部位的图像，再通过注册算法进行融合后得到整体的人脚3D点云数据。对于上传的图像进行灰度化处理，具体步骤为将颜色分为R,G,B三个颜色通道，对于不同色度，亮度，饱和度的像素点，用Y表示白光亮度，计算每个像素点的亮度值，使亮度值与其R,G,B值相对应，得到灰度图像。而对于视频同样进行灰度化处理，每隔一秒取一帧图像作为重构模型参考图像。通过设定合理的可以区分开人脚和背景的阈值，将属于背景部分的像素值归零(或取最大值)，保留属于人脚部分的像素值。基于灰度图像运用多尺度检测角点技术，快速提取图像特征角点并在同一场景的重叠的图像中找到对应关系，并对不同图像进行按参照物尺寸为基准的缩放。首先通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点。运用SIFT算法平滑图像去噪，将灰度化图像运用高斯模糊函数的N维空间正态分布方程：其中σ表示图像平滑度即正态分布函数的标准差，随着σ递增，分辨率递减，r为模糊半径，模糊半径是指模板元素到模板中心的距离。由高斯模糊函数G(x,y,δ)与原图像I(x,y)使用卷积算法获得该图像的尺度空间表达式：L(x,y,δ)＝G(x,y,δ)*I(x,y)。对图像做不同尺度的高斯模糊，降采样即分辨率逐层降低的方法对平滑图像进行抽样，构建高斯金字塔和高斯差分金字塔，在金字塔的每个层中，确定表示图像Harris角特征的位置。通过找到每个角特征的位置，显示该角强度，根据角强度与预定最小强度阈值对比，删除点，重复测试，确定总数是否超过最大允许值，若超过，再次增加半径并重复过程，交替进行，直到角位置数目等于或降到最大允许值。通过使用模糊梯度的方法，给每个角特征分配取向。先在较大尺度下检测出角点，然后在较小尺度下对真正特征角点进行较精准确定。因为高斯核是唯一的线性核，也就是说使用高斯核对图像模糊不会引入其他噪声，因此就选用了高斯核来构建图像的尺度。运用高斯核的一阶导数将Harris角点算子转变为尺度空间算子，尺度空间算子对图像的分析不受图像灰度水平，对比度变化的影响，满足平移不变性，尺度不变性，欧几里得不变性，仿射不变性等特性。为了更精准定位特征点的位置和尺度，通过拟合三维二次函数的方法来去除冗余特征点和不稳定的边缘响应点，以增强匹配稳定性，提高抗噪声能力。对尺度空间高斯差分函数进行曲线拟合，原位置加上拟合的偏移量以及尺度，获得特征点的精确位置。其中拟合函数为：X＝(x,y,δ)T，求导并让函数方程等于0，得到极值点偏移量表达式为：对应极值点表达式为：当极值点偏移量时，须改变当前特征点位置，在新位置上反复插值直到收敛，若超出设定的迭代次数或超出图像边界范围，则删除该点。同时为了避免D(x)函数值过小而受噪声干扰导致的不稳定现象，把|D(x)|≤0.03的极值点删除。获取特征点位置后，局部的主曲率由黑塞矩阵(Hessian矩阵)求得，假设Hessian矩阵表达式为：矩阵对角线之和为Tr(H)其表达本文档来自技高网...

【技术保护点】
1.一种图像重构方法，其特征在于，包括以下步骤：使用移动拍摄设备围绕脚部拍摄一组二维图像或者围绕脚部拍摄一段完整视频；对于上传的图像进行灰度化处理，基于灰度图像运用多尺度检测角点技术，快速提取图像特征角点并在同一场景的重叠的图像中找到对应关系，并对不同图像进行按参照物尺寸为基准的缩放；通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点；对图像做不同尺度的高斯模糊，降采样即分辨率逐层降低的方法对平滑图像进行抽样，构建高斯金字塔和高斯差分金字塔，在金字塔的每个层中，确定表示图像Harris角特征的位置；通过找到每个角特征的位置，显示该角强度，根据角强度与预定最小强度阈值对比，删除点，重复测试，确定总数是否超过最大允许值，若超过，再次增加半径并重复过程，交替进行，直到角位置数目等于或降到最大允许值。

【技术特征摘要】
1.一种图像重构方法，其特征在于，包括以下步骤：使用移动拍摄设备围绕脚部拍摄一组二维图像或者围绕脚部拍摄一段完整视频；对于上传的图像进行灰度化处理，基于灰度图像运用多尺度检测角点技术，快速提取图像特征角点并在同一场景的重叠的图像中找到对应关系，并对不同图像进行按参照物尺寸为基准的缩放；通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点；对图像做不同尺度的高斯模糊，降采样即分辨率逐层降低的方法对平滑图像进行抽样，构建高斯金字塔和高斯差分金字塔，在金字塔的每个层中，确定表示图像Harris角特征的位置；通过找到每个角特征的位置，显示该角强度，根据角强度与预定最小强度阈值对比，删除点，重复测试，确定总数是否超过最大允许值，若超过，再次增加半径并重复过程，交替进行，直到角位置数目等于或降到最大允许值。2.根据权利要求1所述的方法，其特征在于，所述移动拍摄设备每隔一秒改变角度在10度到45度之间；移动设备拍摄像素在200pdi以上；移动设备通过网络将拍摄所得图像；图片上传到处理服务器。3.根据权利要求1所述的方法，其特征在于，所述对于上传的图像进行灰度化处理是，将颜色分为R,G,B三个颜色通道，对于不同色度，亮度，饱和度的像素点，用Y表示白光亮度，计算每个像素点的亮度值，使亮度值与其R,G,B值相对应，得到灰度图像；而对于视频同样进行灰度化处理，每隔一秒取一帧图像作为重构模型参考图像。4.根据权利要求1所述的方法，其特征在于，所述通过形成图像分辨率金字塔，来确定在改变分辨率的每个图像中的特征点步骤，包括：运用SIFT算法平滑图像去噪，将灰度化图像运用高斯模糊函数的N维空间正态分布方程：其中σ表示图像平滑度即正态分布函数的标准差，随着σ递增，分辨率递减，r为模糊半径，模糊半径是指模板元素到模板中心的距离。由高斯模糊函数G(x,y,δ)与原图像I(x,y)使用卷积算法获得该图像的尺度空间表达式：L(x,y,δ)＝G(x,y,δ)*I(x,y)。5.根据权利要求1所述的方法，其特征在于，通过使用模糊梯度的方法，给每个角特征分配取向；先在较大尺度下检测出角点，然后在较小尺度下对真正特征角点进行较精准确定。6.根据权利要求1所述的方法，其特征在于，通过拟合三维二次函数的方法来去除冗余特征点和不稳定的边缘响应点，以增强匹配稳定性，提高抗噪声能力。7.根据权利要求1所述的方法，其特征在于，对尺度空间高斯差分函数进行曲线拟合，原位置加上拟合的偏移量以及尺度，获得特征点的精确位置；其中拟合函数为：X＝(x,y,δ)T，求导并让函数方程等于0，得到极值点偏移量表达式为：对应极值点表达式为：当极值点偏移量时，须改变当前特征点位置，在新位置上反复插值直到收敛，若超出设定的迭代次数或超出图像...

【专利技术属性】
技术研发人员：谢家欣，林子森，冯梓锋，王浚宇，周知恒，
申请(专利权)人：东莞时谛智能科技有限公司，
类型：发明
国别省市：广东,44