[发明专利]基于体向量场稀疏局部化分解的三维头发参数化模型方法

说明书

本发明公开了一种基于体向量场稀疏局部化分解的三维头发参数化模型的方法，包括步骤：1)对发型数据进行从节点‑发丝结构转换到体向量场的预处理，并得到发丝长度及局部密度的信息；2)计算体向量场、发丝长度以及局部密度的平均数据，并构造用于降维处理的三个残差矩阵；3)使用SPLOC对三个残差矩阵进行降维处理得到三种特征的稀疏局部化基，并与各自的平均数据进行线性混合得到参数化模型；4)通过给参数化模型赋值不同的混合系数，使用基于欧拉折线法的发丝重构方法从体向量场中计算发丝节点得到不同的新发型数据。本发明实现了简单的三维发型人工编辑功能，使得用户可以通过简单地选定不同特征基并调整其混合系数，便能重构出丰富多样的三维头发模型。

技术领域

本发明涉及计算机图形学和三维发型数据重构的技术领域，尤其是指一种基于体向量场稀疏局部化分解的三维头发参数化模型方法。

背景技术

头发建模在影视娱乐、虚拟现实等领域具有广泛的应用背景，但三维头发建模仍处于不成熟的探索阶段，是计算机图形学中一个研究难点，一款发型有数千根发丝之多，发型无规律可循，三维发型数据难以获取，种种原因使得三维头发建模研究充满挑战。近年来国内外对头发建模领域的研究逐渐火热，且呈现出不同的研究方向，目前头发建模的主要方式分为人工交互编辑和基于图像的重建两大类。

人工交互编辑方向的研究相对较少，因其费时费力且要求用户对发型艺术有一定的掌握，但有着操作自由度高、建模质量精细的优点。2009年Yuksel提出头发网格(HairMesh)的头发建模方法，定义了一个面和网格交替的头发层次结构，用户可以在当前最外层生成长度、方向自定的棱体网格，亦可以对已有的棱体网格作分割、合并、改变形状等操作，可以方便地重构出辫子、发髻等复杂的发丝结构，最后使用Catmul-Rom样条曲线的方法对棱体网格采样得到发丝并渲染；而近年来的主流研究方向为基于图像的头发重建，以包含头发的人脸图像作为输入，重构出与该图像视觉上在相同角度处高度相似的三维头发模型，由于其输入简单，该方法在各个建模领域中得到广泛的应用。2012年Chai等从输入的图片中分割出头发区域并使用Gabor滤波器提取头发的二维纹理方向图，辅以用户添加的笔画轨迹作为指导，求解出三维的头发生长方向图并以此为依据直接重构出发丝；2015年Hu等则对此进行了改进，根据发丝的二维纹理方向及用户提供的轨迹从数据库中匹配若干个候选发型数据，每个候选数据与纹理图的部分区域相匹配，将这些目标区域从原发型种分离并组合，得到与纹理方向图相一致的新发型数据；而2016年Chai等再一次进行了改良，结合深度神经网络(DCNN)的使用，不需要额外提供笔画轨迹，网络自动识别输入图像并分割出一系列有语义的发丝段，后续则同样是从数据库中匹配候选模型并组合出新发型数据。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于体向量场稀疏局部化分解的三维头发参数化模型方法，实现了简单的三维发型人工编辑功能，使得用户可以通过简单地选定不同特征基并调整其混合系数，便能重构出丰富多样的三维头发模型。

为实现上述目的，本发明所提供的技术方案为：基于体向量场稀疏局部化分解的三维头发参数化模型方法，首先，对包含343个发型数据的数据库进行从发丝-节点结构到体向量场转换的预处理流程，得到表示体向量场、发丝长度、局部密度三种特征的残差矩阵，然后分别使用稀疏局部化主成分分析SPLOC进行降维处理得到特征基集，再经过对混合系数赋予不同值并与平均数据进行线性混合得到三种参数化模型，最后通过发丝重构算法从三种参数化模型中重构出管状发丝网格，得到不同的新发型数据；其包括以下步骤：

1)对发型数据进行从节点-发丝结构转换到体向量场的预处理，并得到发丝长度及局部密度的信息；

2)计算体向量场、发丝长度以及局部密度的平均数据，并构造用于降维处理的三个残差矩阵；

3)使用SPLOC方法对三个残差矩阵进行降维处理得到三种特征的稀疏局部化基，并与各自的平均数据进行线性混合得到参数化模型；