基于三維虛擬現實技術的圖像重建方法研究

黃桂明 莫字瑛

摘? 要： 由于傳統圖像重建方法獲取到的重建圖像比較模糊，為了提高重建圖像的質量，提出基于三維虛擬現實技術的圖像重建方法。在三維虛擬現實技術的基礎上，根據相機的成像原理，計算相機光學部分可以識別的最大距離，通過計算場景畫面的最小識別距離實現圖像的降質分析;利用三維虛擬現實技術訓練圖像的檢測樣本，預測出樣本圖像的像素值，通過公式描述了圖像的提取過程，完成了圖像邊緣信息的提取;最后在三維虛擬現實技術的基礎上，構建了圖像重建算法，實現了基于三維虛擬現實技術的圖像重建。實驗結果表明，基于三維虛擬現實技術的圖像重建方法得到的重建圖像質量較高。

關鍵詞： 圖像重建; 三維虛擬現實技術; 圖像降質分析; 樣本訓練; 像素值預測; 信息提取

中圖分類號： TN911.73?34; TP391? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）17?0064?05

Abstract： The image reconstruction method based on 3D virtual reality technology is proposed to improve the quality of reconstructed image because the image reconstructed by traditional image reconstruction method is fuzzy. On the basis of 3D virtual reality technology， the maximum distance that the optical part of the camera can recognize is calculated according to the imaging principle of camera. The image degradation analysis is realized by calculating the minimum recognition distance of scene image. The detection sample of image is trained with 3D virtual reality technology to predict the pixel value of the sample image. The extraction process of image is described by means of the formula to fulfill the edge information extraction of the image. On the basis of 3D virtual reality technology， an image reconstruction algorithm is established and the image reconstruction is realized. The experimental results show that the quality of the reconstruction image obtained by the image reconstruction method based on 3D virtual reality technology is high.

Keywords： image reconstruction; 3D virtual reality technology; image degradation analysis; sample training; pixel value prediction; information extraction

0? 引? 言

人們生活的三維立體環境是由三維信息組成的，人類之所以可以感受到三維信息，是因為人的視覺系統具有感知圖像整體深度的特性。圖像作為三維場景的重要載體，反映了場景中畫面在相機的成像效果[1]。根據三維虛擬現實技術，人們可以感知到場景畫面的三維立體成像，從而使人們產生一種立體感。在三維虛擬現實技術的基礎上，圖像是獲取場景畫面結構的必要信息，在三維虛擬場景重建、三維虛擬現實等計算機視覺的應用中起到了非常關鍵的作用[2]。

在三維虛擬現實技術的基礎上，圖像的物理意義決定了它無法通過光學采集設備來獲取，一般情況下都是通過計算機計算或者測量的方式得到[3]。采用圖像立體匹配的方法計算圖像的獲取方式，具有較大的計算量且復雜度高，很難將其應用到實際的圖像重建中。數碼相機等測量設備的陸續出現，為圖像信息獲取提供了更加快速、方便、直接的方式，但是由于圖像重建過程中的物理限制和外界環境的干擾，相機在獲取圖像時存在分辨率低、缺失圖像信息等問題，這些問題嚴重地限制了圖像的應用[4]。

基于上述分析，本文采用三維虛擬現實技術對圖像的降質進行分析，通過圖像邊緣的提取、重建得到高質量的圖像。

1? 基于三維虛擬現實技術的圖像重建方法設計

1.1? 基于三維虛擬現實技術的圖像降質分析

圖像降質分析之前先考慮限制圖像分辨率的因素。決定圖像質量的因素主要是相機光學部分的衍射分辨率和圖像探測器的分辨率，在圖像重建之前進行降質分析可以提高重建圖像的信噪比，從而提高重建圖像的質量。

假設相機所觀測到的三維虛擬目標都是點光源，兩個點光源進入到相機光學部分后會形成艾里斑，如果其中一個艾里斑的邊緣零點與另一個艾里斑的中心重合，那么兩個艾里斑之間的間隔就是相機光學部分可以識別的最大距離[5]，即：

式中：[l]表示三維虛擬目標與相機之間的距離;[λ]表示光進入到相機的波長;[D]表示光通直徑。

從式（1）中可以看出，光波的波長越長，相機光學部分識別到的最大距離就會越大，導致圖像的分辨率降低，達到圖像降質的目的[6]。

作為限制圖像分辨率的另一個重要因素，圖像探測器在識別最小目標時也存在極限。場景畫面信息通過相機的光學部分，被圖像探測器接收并轉化為電信號[7]。假設圖像探測器觀測到的兩個三維虛擬目標仍然是點光源，圖像探測器的像元大小為[d]，只有兩個點光源目標存在一定距離，才能被圖像探測器接收，從輸出的圖像中將其分辨出來。

經過上述的分析可知，圖像探測器的分辨率會大于場景畫面光學衍射的分辨率，因此，圖像的降質研究通常是從提高圖像探測器的分辨率方向進行。基于三維虛擬現實技術的圖像重建是通過從圖像中提取先驗知識點的方式來復原圖像的技術，通過計算場景畫面的最小識別距離實現圖像的降質分析。

1.2? 提取圖像邊緣信息

圖像的重建要在降質的基礎上，修正圖像邊緣點的位置，那么就需要提取圖像的邊緣信息來引導圖像的邊緣修正，從而提高重建圖像的質量。傳統的圖像邊緣提取方法是利用圖像的邊緣來確定提取的外框[8]，首先采用某一彩色分量的圖像來提取圖像的邊緣，再將每一個獨立分量的圖像邊緣結合，形成一個彩色的圖像邊緣，這種傳統的方法忽略了人眼的視覺感知，導致提取出來的圖像邊緣效果不佳[9]。

本文在三維虛擬現實技術的基礎上，提取人眼視覺特性的圖像邊緣，先采用三維虛擬現實技術采集固定大小的圖形塊，隨機選取一個圖像訓練樣本，并記錄圖像的結構標簽，然后學習含有結構標簽的區域特征，來訓練檢測圖像，最后利用結構化預測的方式，得到最終的圖像邊緣提取結果[10]。

圖像結構訓練示意圖如圖1所示。

圖像的邊緣通常都代表著對象的邊界，圖像的邊緣不僅在對象的邊界產生，對象的內部也會產生圖像邊緣[11]。需要采用對象的邊界來引導圖像初始化錯誤邊緣的修正過程，因此，得到圖像邊緣后，要結合圖像在三維虛擬現實空間提供的距離信息，將存在于圖像內部的紋理邊緣去除，保留圖像的邊緣[12]。

具體的做法是對于每一個圖像的邊緣點，判斷以邊緣點為中心，大小為[w×w]的圖像窗口內邊緣值的差值，如果邊緣值的差值小于某一特定的閾值，那么就認為圖像提取的區域為平滑區域，窗口內的邊緣必須要去除;否則圖像提取的區域就是邊緣區域。

1.3? 構建圖像重建算法

以提高重建圖像的信噪比為目的，先給待重建的圖像賦予一個估計的初始值，經過三維虛擬現實技術的迭代重復過程，直到迭代收斂為止。

與傳統圖像重建算法相比，基于三維虛擬現實技術的圖像重建算法具有良好的噪聲抑制能力和截斷投影數據的能力，其是一種聯合代數迭代算法，此算法保留了傳統圖像重建算法的收斂速度，還具有噪聲抑制能力強的優勢，在圖像處理中的應用是非常廣泛的[13]。

基于三維虛擬現實技術的圖像重建算法公式如下：

圖像重建算法流程圖如圖2所示。

圖像重建步驟如下：

步驟1：確定某一投影角度下的投影射線[i]，經過待重建圖像的初始值計算，得到第[i]條投影射線的投影值，即[n=1NainfKn]。

步驟2：根據投影射線計算得到的圖像投影值與實際測量得到的投影值作差[14]，得到一個理論圖像投影值與實際圖像投影值的誤差[Δi=pi-n=1NainfKn]。

步驟3：將步驟2中的誤差值[Δi]儲存。

步驟4：計算某一投影角度下的第[i+1]條射線的投影值，重復上述三個步驟，直到完成所有射線的誤差修正。

步驟5：采用步驟4中得到的誤差值修正重建圖像的像素。

對于其他不確定的投影角度，重復上述五個步驟，直到所有角度下的圖像都完成重建圖像的校正，完成重建圖像的第[K]次迭代[15]。基于三維虛擬現實技術的圖像重建算法的迭代公式如下：

為了提高重建圖像的質量，縮短基于三維虛擬現實技術的圖像重建算法的圖像重建時間，盡量達到圖像重建的要求。

綜上所述，在三維虛擬現實技術的基礎上，先考慮限制圖像分辨率的因素，根據相機的成像原理，計算相機光學部分可以識別的最大距離，由于圖像探測器的分辨率會大于場景畫面光學衍射的分辨率，通過計算場景畫面的最小識別距離實現圖像的降質分析;利用三維虛擬現實技術訓練圖像的檢測樣本，預測出樣本圖像的像素值，并去除圖像內部的紋理邊緣，通過公式描述圖像的提取過程，完成了圖像邊緣信息的提取;最后在三維虛擬現實技術的基礎上，構建圖像重建算法，實現了基于三維虛擬現實技術的圖像重建。

2? 實驗對比分析

2.1? 實驗圖像采集

為了驗證本文設計的基于三維虛擬現實技術的圖像重建方法可以提高圖像質量，必須先采集圖像信息，圖像采集結果如圖3所示。

2.2? 實驗方法及步驟分析

基于三維虛擬現實技術的圖像重建方法經過多次迭代后，會獲取到一個最優解，在每一次的迭代過程中，圖像重建算法會為每一個圖像節點計算一個圖像的最佳深度值，當所有的圖像節點都遍歷完成后，將能量最小的圖像深度值更新給圖像節點，并作為下一次迭代的初始值。隨著圖像節點迭代值的不斷收斂，求出來的解就是最優解。

實驗的具體操作步驟如下：

步驟1：將待重建的圖像采用三維虛擬現實技術初始化。

步驟2：遍歷每一個圖像的像素，并計算出當前圖像的能量。

步驟3：賦予每一個圖像像素一個新的像素值，像素值的取值范圍設置為0～255，計算新像素值的能量，如果大于前一個圖像的像素值，就重新選擇;反之，則選擇新的像素值作為當前像素。

步驟4：不斷重復步驟3，直到所有圖像的像素更新完畢，完成一次迭代，再判斷是否達到了迭代次數，滿足則結束，不滿足則重復步驟2和步驟3。

步驟5：統計實驗結果。

2.3? 實驗結果分析

利用上述的實驗方法及實驗步驟，得到了下列實驗結果，如圖4所示。

在查閱相關文獻的基礎上，圖像的信噪比在35～45 dB之間，圖像的質量最高。從實驗結果可以看出，采用傳統圖像重建方法，雖然隨著感光度的升高，重建圖像的信噪比比較穩定，但是圖像的信噪比一直在7～23 dB之間震蕩，重建后的圖像質量并不高;而采用基于三維虛擬現實技術的圖像重建方法，隨著感光度的升高，圖像的信噪比在39～41 dB之間震蕩，只是偶爾會出現信噪比忽高忽低的現象，得到的重建圖像質量較高。

2.4? 應用性能分析

為了分析本文方法的應用性能，采用本文方法、基于非常稀疏隨機投影的圖像重建方法、基于亞高斯隨機投影的圖像重建方法實施對比測試，測試三種方法重建圖像時，圖像像素特征的查全率與查準率，結果如圖5，圖6所示。

分析圖5，圖6可知：三種方法重建圖像時，本文方法對圖像像素特征的查全率與查準率最大值均為0.99，基于非常稀疏隨機投影的圖像重建方法的查全率與查準率最大值依次是0.91，0.94;基于亞高斯隨機投影的圖像重建方法的查全率與查準率最大值依次是0.78，0.79。經對比可知，三種方法對比之下，本文方法重建圖像時，能夠高精度、全面地獲取圖像像素特征實施重建。

設定所需重建的圖像存在噪聲，測試三種方法重建具有噪聲的圖像時，重建后圖像的峰值信噪比、標準信噪比，結果如圖7，圖8所示。

分析可知，本文方法重建圖像的峰值信噪比與標準信噪比均高于基于非常稀疏隨機投影的圖像重建方法、基于亞高斯隨機投影的圖像重建方法。表明本文方法對存在噪聲的圖像重建后圖像質量最佳。

3? 結? 語

本文提出了基于三維虛擬現實技術的圖像重建方法。實驗結果表明：基于三維虛擬現實技術的圖像重建方法與傳統圖像重建方法相比，重建圖像的質量得到了有效提高，且基于差異感光度的環境中，本文方法對圖像像素特征的查全率與查準率均高達0.99，對存在噪聲的圖像實施重建時，本文方法重建后的圖像峰值信噪比與標準信噪比均高于基于非常稀疏隨機投影的圖像重建方法、基于亞高斯隨機投影的圖像重建方法，由此驗證了本文方法的應用價值。

參考文獻

[1] 蔡艷，林迅.基于虛擬現實技術的激光多普勒圖像三維重建系統設計[J].激光雜志，2017，38（8）：122?126.

[2] 王卓.基于視覺傳達效果的三維圖像虛擬重建[J].現代電子技術，2019，42（1）：62?64.

[3] 孫正，孫立爽.光聲超聲聯合圖像重建方法研究進展[J].中國醫學影像技術，2019，35（3）：467?470.

[4] 彭靜，冷飛.基于視覺傳達效果的傳統藝術圖像重建方法研究[J].現代電子技術，2017，40（24）：118?120.

[5] 巫乾軍，孫艷豐，趙璐.稀疏表示的深度圖像超分辨率重建研究與仿真[J].計算機仿真，2017，34（5）：234?237.

[6] 馬敏，李明，何小芳，等.基于壓縮傳感和自適應Lp范數的ECT圖像重建算法研究[J].機床與液壓，2018，46（12）：25?31.

[7] 楊建鳴，陸家山，嚴鵬賀.工程圖的三維重建方法研究[J].機械設計與制造，2017（12）：216?219.

[8] 王江明，余燁，金強.多梯度融合的RGBD圖像邊緣檢測[J].電子測量與儀器學報，2017，31（3）：436?442.

[9] 吳詩婳，吳一全，周建江.基于NSST和改進數學形態學的遙感圖像目標邊緣提取[J].圖學學報，2017，38（4）：523?530.

[10] 顧雨迪，梁久禎，吳秦，等.基于覆蓋分割和活動輪廓模型的圖像邊緣提取算法[J].數據采集與處理，2017，32（5）：948?957.

[11] 牛耕.基于激光掃描的殘缺指紋圖像特征提取技術研究[J].激光雜志，2017，38（11）：109?112.

[12] 陳宇，夏宗基，周雨佳.基于修正稀疏擬牛頓的電容層析成像重建算法[J].系統仿真學報，2019，31（5）：819?827.

[13] 龔皓，干彬.基于大數據分析技術的激光三維圖像重構研究[J].激光雜志，2019，40（6）：83?87.

[14] 賈婷婷，王濟浩，鄭雅羽.一種拉普拉斯金字塔結構的團網絡超分辨率圖像重建算法[J].小型微型計算機系統，2019，40（8）：1760?1766.

[15] 王旸.超分辨率圖像重建效果優化算法研究[J].控制工程，2018，25（5）：740?745.