一种基于RGB单目图像的浅浮雕物体识别处理方法技术

本发明专利技术公开了一种基于RGB单目图像的浅浮雕物体识别处理方法。读取RGB单目图像信息，包括图像中像素点总数、每个像素点的色度信息、亮度信息和位置信息；采用边缘细节增强的处理方法提取图像的轮廓边缘，得到图像中对象的轮廓边缘信息；在轮廓边缘的基础上，采用改进的连通域标定算法对RGB单目图像进行分割，得到图像区域；通过像素点明暗度深度恢复算法，求解每个图像区域中每个像素的高度值，得到每个图像区域的三维点云数据，再通过三角面片重构算法，构建出浅浮雕模型。本发明专利技术通过一张普通RGB图像可较好地构建识别出浅浮雕模型，计算资源消耗低，计算量小，效率高，为图像的触觉感知奠定基础。

A Method of Recognition and Processing of Shallow Embossed Objects Based on RGB Monocular Image

【技术实现步骤摘要】
一种基于RGB单目图像的浅浮雕物体识别处理方法
本专利技术涉及图像浅浮雕物体识别处理方法，尤其是基于RGB单目图像的浅浮雕物体识别处理方法，能较好地重构出图像所反映物体表面的三维几何形状，属于计算机图形学和虚拟现实力触觉再现

技术介绍
人类社会存在以来，雕刻艺术在人类的生活中无处不在。浮雕将平面的图画创建成三维立体造型的表现形式，在满足空间艺术的基础上也满足人们的视觉感受。浮雕的存在给明眼人带来视觉感受的同时，也给视障人士获取图像信息带来渠道。对视障人士而言，虽然目前已经有盲文点显装置和语音阅读来帮助其获取文字信息，但对于图像信息的获取仍然存在一定的难度。浮雕的存在让他们可以通过触觉来获取的图像信息，从而扩展了他们的信息获取渠道。最早通过3D模型映射进行浅浮雕制作的是Cignoni，他通过透视投影和深度压缩的方法进行浮雕模型的生成，为后续研究3D模型映射的研究奠定了基础。在后期的研究中，Weyrich等人通过非线性压缩函数进行梯度域的压缩，该方法很好的保留了图像的细节部分，并且在轮廓处较为缓和。Zhang等人将输入的3D模型直接进行压缩，得到高度值合适的动态范围。但是基于H本文档来自技高网...

【技术保护点】
1.一种基于RGB单目图像的浅浮雕物体识别处理方法，其特征包括以下几个步骤：1)读取RGB单目图像信息，包括图像中像素点总数、每个像素点的色度信息、亮度信息和位置信息；2)采用边缘细节增强的处理方法提取图像的轮廓边缘，得到图像中对象的轮廓边缘信息；3)在轮廓边缘的基础上，采用改进的连通域标定算法对RGB单目图像进行分割，得到若干个图像区域；4)通过像素点明暗度深度恢复算法，求解每个图像区域中每个像素的高度值，得到每个图像区域的三维点云数据，再通过三角面片重构算法，构建出浅浮雕模型。

【技术特征摘要】
1.一种基于RGB单目图像的浅浮雕物体识别处理方法，其特征包括以下几个步骤：1)读取RGB单目图像信息，包括图像中像素点总数、每个像素点的色度信息、亮度信息和位置信息；2)采用边缘细节增强的处理方法提取图像的轮廓边缘，得到图像中对象的轮廓边缘信息；3)在轮廓边缘的基础上，采用改进的连通域标定算法对RGB单目图像进行分割，得到若干个图像区域；4)通过像素点明暗度深度恢复算法，求解每个图像区域中每个像素的高度值，得到每个图像区域的三维点云数据，再通过三角面片重构算法，构建出浅浮雕模型。2.根据权利要求1所述的一种基于RGB单目图像的浅浮雕物体识别处理方法，其特征在于：所述步骤2)在对RGB单目图像进行去噪预处理后，采用边缘细节增强的全自动提取图像轮廓边缘方法，联合像素点的亮度和色度信息获取图像的梯度值，采用基于边缘切向流的高斯差分求得图像的轮廓边缘，并采用中值滤波对提取的轮廓边缘进行平滑细化处理。3.根据权利要求1述的一种基于RGB单目图像的浅浮雕物体识别处理方法，其特征在于：所述的全自动提取图像轮廓边缘方法具体步骤如下：2.1)从RGB色彩空间转换到YUV色彩空间，在YUV色彩空间下求解像素点的亮度值作为RGB单目图像中的亮度信息，再通过Sobel算子获取亮度信息的梯度图像，计算获得图像的亮度梯度幅度；同时从RGB色彩空间转换到CIE-L*a*b*色度空间，从CIE-L*a*b*色度空间获取色度信息及其梯度值，处理获得色度梯度幅度；将亮度梯度幅度和色度梯度幅度分别进行归一化处理和融合，获得融合梯度；2.2)利用融合梯度和边缘切向流获取轮廓边缘采用以下边缘切向流滤波器：其中，ti+1(x)表示第i+1次迭代计算下像素点x处的归一化切向量，Ω(x)表示像素点x的邻域，半径为r；k是归一化因子；ti(y)表示第i次迭代计算下像素点y处的归一化切向量；Φ(x,y)表示归一化切线向量ti(y)方向的符号函数，该值和ti(x)与ti(y)的夹角大小有关；ws(x,y)为空间加权函数；wm(x,y)为幅度加权函数；wd(x,y)为方向加权函数；像素点y和像素点x为不同的像素点；空间加权函数ws(x,y)表达公式为：其中，r表示滤波框半径；||x-y||表示像素点x和y之间的距离；幅度加权函数wm(x,y)表达公式为：其中，e(x)表示像素点x处归一化后梯度值；η控制下降率，取值为1；e(y)表示像素点y处归一化后梯度值；h表示像素点x和像素点y之间的距离；方向加权函数wd(x,y)表达公式为：wd(x,y)＝|ti(x)·ti(y)|2-(29)其中，ti(x)表示像素点x处的归一化切向量，ti(y)表示像素点y处的归一化切向量；归一化切线向量ti(y)方向的符号函数Φ(x,y)计算为：获取融合梯度逆时针方向的垂直矢量作为边缘切向流的初始矢量，像素点x处的归一化切向量，然后通过对公式t...

【专利技术属性】
技术研发人员：吴新丽，罗佳丽，张敏雄，黄金鹏，杨文珍，张明敏，潘志庚，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江,33