[发明专利]一种基于单幅自然图像重建积云三维形状的方法

说明书

技术领域

本发明属于计算机图形学领域，特别是云建模领域，具体涉及一种基于单幅自然图像重建积云三维形状的方法。

背景技术

云作为一种常见的自然现象，其形状千变万化，形成、发展和消散的过程极其复杂，云的建模一直是具有挑战性的工作。经典的云建模方法大体分为两类，即基于过程的方法和基于物理仿真的方法。前者主要利用分形理论和噪声纹理等手段建模云的形状，能够构建逼真的云，但是建模过程依赖频繁的参数调整。为了减少甚至避免参数设定，研究人员开始尝试基于物理仿真的方法，即通过模拟简化的流体运动方程来仿真云的生成过程。基于物理的方法通过设定初始边界条件能够建模时域连续的云。然而，由于初始边界条件和最终的云形状成高度非线性关系，期望构建满意的云形状仍然需要多次调整参数。

随着计算机软硬件和虚拟现实技术的发展，尤其是照相机及卫星等传感器的蓬勃发展使得自然图像、卫星云图等数据变得越来越易于获取，基于数据驱动的云建模方法逐渐成为研究热点。该类方法不同于传统的建模方法，其建模基于客观数据，从而能够在一定程度上反映数据的真实信息并表达相对准确的物理意义。在利用自然图像建模云方面，Dobashi等人首先从单幅图像建模多种类型的云。随后，Yuan等人提出了一个简化的单散射模型，并借助该模型逆向求解积云的三维形状。与自然图像不同，卫星云图常常被用于构建大尺度的云系。对于卫星云图，Dobashi等人首先利用一个简化的模型模拟大尺度的飓风。近年来，Yuan等人提出利用遥感理论从低分辨率卫星图像中估计云参数，从而构建大尺度云系的三维形状。然而，他们的方法不适用于积云的建模。一方面是因为低分辨率卫星图像很难记录积云的信息，另一方面是因为该方法依赖于参数设定，导致几何厚度的误差过大，甚至超过了积云的典型大小。

自然图像作为真实世界云场景的直观展现，在日常生活中非常普遍且易于捕获，无论是虚拟逼真的云场景还是建模具有气象学意义的云场景，自然图像都具有无可比拟的优势，因而成为目前研究工作者建模云的重要数据源之一。

发明内容

本发明要解决的技术问题为：克服现有技术的不足，提供一种基于单幅自然图像重建积云三维形状的方法，能够从单幅自然图像中，构建积云的三维形状，并恢复积云的表面细节。在此基础上，优化云的形状，形成云的粒子模型并进行绘制。实验表明，本发明提出的方法能够从积云图像中构建自然的积云形状，并保留与图像一致的表面细节，方法简单有效。

本发明解决上述的技术问题采用的技术方案为：一种基于单幅自然图像重建积云三维形状的方法，实现步骤如下：

步骤(1)、明暗约束，利用云体表面明暗信息能在一定程度上反应形状特征，将云像素聚类划分为几个高度区域，结合明暗恢复形状算法获得约束从而指导大范围内的形状估计；

步骤(2)、边界约束，利用阈值方法提取积云轮廓信息估计相关区域的形状，利用边缘检测算法得到积云自遮挡信息恢复三维形状的表面细节，由于轮廓和自遮挡边界的相同特性，将两种边界结合获得云体边界约束；

步骤(3)、深度计算，假设积云表面为朗伯体反射，利用二阶球面谐波函数进行光照建模，约束光照参数，并通过多尺度优化方法迭代求解步骤(1)、(2)得到的明暗约束和边界约束，从而求得积云深度图；

步骤(4)、粒子采样及绘制，利用步骤(3)得到的积云深度图构建积云表面三维网格，将网格模型离散化后计算云体内顶点的距离场，自适应采样表面粒子和内部粒子，形成积云的粒子模型，并采用多次前向散射模型对积云的粒子模型进行绘制。最终实现与输入自然图像相似的建模结果。

进一步的，所述步骤(1)中明暗约束的具体内容如下：

步骤(A1)、当视点与阳光在云体同一侧时，云体亮度强的区域的平均高度大于相邻的云体亮度相对较弱的区域的高度，根据像素亮度和坐标信息将云像素采用K-means聚类方法划分为几个分区；

步骤(A2)、对于分区后的云块区域，计算各区域的平均亮度值，则每个区域的平均高度与该区域的平均亮度成正比，与明暗恢复形状算法结合获得明暗约束，指导大范围内的形状估计。

进一步的，所述步骤(2)中边界约束的步骤具体如下：

步骤(B1)、对于积云边界中的轮廓边界，利用云和天空背景的色彩差异，结合阈值法将图像像素分割为云像素和背景像素，然后检测云像素的轮廓边界；