CN105243636A - 一种基于mrls-tps的图像变形方法及*** - Google Patents
一种基于mrls-tps的图像变形方法及*** Download PDFInfo
- Publication number
- CN105243636A CN105243636A CN201510852303.0A CN201510852303A CN105243636A CN 105243636 A CN105243636 A CN 105243636A CN 201510852303 A CN201510852303 A CN 201510852303A CN 105243636 A CN105243636 A CN 105243636A
- Authority
- CN
- China
- Prior art keywords
- tps
- function
- matrix
- overbar
- deformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 208000014651 Meester-Loeys syndrome Diseases 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 13
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 10
- 102000008297 Nuclear Matrix-Associated Proteins Human genes 0.000 claims description 11
- 108010035916 Nuclear Matrix-Associated Proteins Proteins 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 11
- 210000000299 nuclear matrix Anatomy 0.000 claims description 11
- 210000004027 cell Anatomy 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 241000508725 Elymus repens Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 244000000231 Sesamum indicum Species 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于MRLS-TPS的图像变形方法及***,该方法包括以下步骤:S1、输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合S2、取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp;S3、根据S2中的公式求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;S4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。本发明的优点为:(1)变形后的图像可以很好地保留细节;(2)变形函数具有简单封闭解;(3)它具有非常高的计算效率。
Description
技术领域
本发明涉及数字图像处理领域,尤其涉及一种基于MRLS-TPS的图像变形方法及***。
背景技术
图像变形技术是计算机图形学里的一项重要技术,与多门学科融合的应用范围。但该技术不是特别成熟,所以近年来很多学者在尽其所能地提高图像变形算法的性能。一个好的图像变形算法不仅要有较高变形的质量,还需要减少运行时间、简化变性控制操作。
图像变形最简单的方法产生于20世纪60年代,通过交叉分解的方法把一副数字图像平滑地过渡到另外一副图像。但是该方法所使用的线性插值让它的视觉效果较差。20世纪80年代,DouglasSmythe在电影制作的过程中提出并且使用了基于网格扭曲的变形方法。该方法首先利用网格来控制图像的扭曲程度,把图像中有限的控制点变换到目标位置,让其他的点根据某种约束方法自动调整,同时保证控制点对其他点的影响,再想办法获得中间图像。该方法的缺点是变形后的图像因为网格的关系可能并不平滑,而且需要把控制点和网格线进行对齐,操作麻烦。
Blanco和Oliverira曾经提出一种基于特征曲线的网格变形法,用构成网格的直线集合合成参数曲线并且使用它们进行变形。从图像的边界或者关节可以自动提取特征曲线。因为不需要对图像进行预处理,所以该方法比较节约时间,对于使用者来说也比较方便,产生的变形也具有一定的真实感。Beier和Neely等人在1992年提出了一种基于特征线段的图形变形方法,该方法以网格变形技术为基础,使用了谢泼德插值,完成了较为平滑的变形,但是该方法有一定的折叠性。Koba提出了一种表面变形算法,把不同的变形方法使用于同一个图像中。Bookstein使用了一种特殊的基于光线的函数,提出了一种基于点约束的方法,这种方法与仿射变换很相似,但是这种方法会让原图像损失一些特征。
近年来,Igarashi提出了一种基于特征点的图像变形技术,主要用于动漫人物的变形。该方法要求尽可能保持目标的刚性特征,从而得到比较平滑的目标图像。运用基于人体的仿真模型可以让人体尽可能刚性变形,质点-弹簧模型的使用最为广泛,但是它的收敛性较差,而且需要特别麻烦的分析和实验,降低了算法的可用性以及效率。
2006年,Schaefer等人提出了基于移动最小二乘(MLS)的图像变形方法,该方法基于Igarashi的变形算法,它只需要在每个网格上定点求出一个线性方程组的解,这样可以提高求解效率。而且该方法不需要对图像进行三角网格化,这使得变形效果相当平滑。该方法不仅可以使用控制点进行控制变形,还可以使用特征线段对变形进行控制。使用MLS方法使得变形可以“尽可能的刚性”,并且可以很好地保留全局形状和局部细节。图像变形算法多采用尽可能刚性的原则,这在物体姿态变化的问题上是合理的,该类图像变形可以认为是分段刚性的变形。
因此,一般的图像变形算法以刚性变换模型或仿射变换模型来建模。然而,在某些情况下,例如蜡烛火焰的摆动,心脏的跳动,表情的变化,以及衣服的褶皱,其形变不再具有分段刚性的性质,“尽可能的刚性”这个规则就失去了意义。
发明内容
本发明要解决的技术问题在于针对现有技术中刚性变换模型和仿射变换模型等图像变换算法无法应对不具备分段刚性性质的情况的缺陷,提供一种能够更加准确和快速进行图像变换的基于MRLS-TPS的图像变形方法及***。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种基于MRLS-TPS的图像变形方法,包括以下步骤:
S1、输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
S2、取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,p和pi分别表示需要变形的像素点和第i个控制点,为点p的齐次坐标表示,且ci为一个3×1的矩阵;
S3、根据S2中的公式求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
S4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
进一步地,本发明的步骤S3中权重矩阵W为n阶对角矩阵,其对角上的第i个元素为wi(p),其公式为:
wi(p)=||p-xi||-2α
其中,α为权值参数,p为图像中任意像素点、xi为第i个控制点。
进一步地,本发明的步骤S3中使用MRLS法求解变形映射函数fp的最优拟合函数,其移动正则最小二乘误差的公式为:
其中,wi(p)表示每个图像点p的权值,为一组控制点,是其对应变形位置,其中xi和yi是列向量。fp(xi)表示图像点xi变形后的位置。
进一步地,本发明的步骤S3中根据移动正则最小二乘误差、变形映射拟合函数fp和弯曲函数gp计算TPS能量函数,其公式为:
其中, C=(c1,c2,…cN)T,C表示弯曲系数,为N×3维矩阵,K为核矩阵,A和C为TPS参数对;
对TPS能量函数求解可得:
fp(p)=Ap+(KpC)T
其中,εI表示数值的稳定性,Q1和Q2分别为N×3和N×(N-3)维的正交矩阵,R为一个3×3的上三角矩阵,
本发明提供一种基于MRLS-TPS的图像变形***,包括:
数据输入单元,用于输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
模型构建单元,用于取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,为点的齐次坐标表示,且ci为一个3×1的矩阵;
变形映射函数计算单元,用于求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
变形图像计算单元,用于根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
本发明产生的有益效果是:本发明的基于MRLS-TPS的图像变形算法,针对图像变形中经典算法难以解决非刚性形变的问题,引入薄板样条函数,并对其局部非线性变形部分进行正则化约束,其弯曲能量函数也在一个再生希尔伯特空间内,并且是非刚性的,该方法的优点为:(1)变形后的图像可以很好地保留细节;(2)变形函数具有简单封闭解;(3)它具有非常高的计算效率。该方法基于非刚性模型,因此可以看作是对现有的以刚性模型为基础的方法的一个补充。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的基于MRLS-TPS的图像变形方法的流程图;
图2是本发明实施例的基于MRLS-TPS的图像变形方法的原图像和控制点;
图3是本发明实施例的基于MRLS-TPS的图像变形方法的变形后的图像和目标点;
图4是本发明实施例的基于MRLS-TPS的图像变形***的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的基于MRLS-TPS的图像变形方法,包括以下步骤:
S1、输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
S2、取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,p和pi分别表示需要变形的像素点和第i个控制点,为点p的齐次坐标表示,且ci为一个3×1的矩阵;
S3、根据S2中的公式求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
S4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
本发明的方法是基于薄板样条的移动正则最小二乘(movingregularizedleastsquaresbasedonthin-platesplines,MRLS-TPS)最优化方法。针对图像变形中经典算法难以解决非刚性形变的问题,引入薄板样条函数,并对其局部非线性变形部分进行正则化约束。其弯曲能量函数也在一个再生希尔伯特空间内,并且是非刚性的。
在本发明的另一个实施例中,本发明方法的具体步骤为:
1、输入原图像、权值参数α和正则化参数λ,原图像如图2所示,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
2、根据TPS核构建基于控制点的核矩阵K,根据TPS模型构建变形拟合函数fp;
其中计算核函数K的方法为:
取径向基函数为TPS核,则有:
K(p,pi)=||p-pi||2log||p-pi||(1)
核矩阵为:KN×N={K(xi,xj)},K(xi,xj)=||xi-xj||2log||xi-xj||
TPS模型构造变形映射拟合函数:
拟合函数fp可以分解为一个全局的仿射变换和一个局部的弯曲函数,分别由仿射矩阵A和弯曲函数gp来控制,即:
其中,A为一个3×3的矩阵,表示全局的仿射变换。为点的齐次坐标表示,且ci为一个3×1的矩阵。
3、求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
权重矩阵W:W为n阶对角矩阵,对角上的第i个元素为wi(p),且:
wi(p)=||p-xi||-2α(4)
其中α为权值参数、p为图像中任意像素点、xi为第i个控制点。
核向量Kp:Kp为一个1×N的行向量,其中第i个元素为K(p,xi)。
映射函数fp的求解方法为:
MRLS法求解最优拟合函数,拟合函数的移动正则最小二乘误差如下:
其中wi(p)表示每个图像点p的权值,为一组控制点,是其对应变形位置,其中xi和yi时列向量,fp(xi)表示图像点xi变形后的位置。
将公式(2)和公式(3)代入公式(5)中,λ为正则化参数,则非线性映射f可以通过最小化的如下TPS能量函数求得:
其中, C=(c1,c2,…cN)T,C为N×3维矩阵,表示弯曲系数,K为核矩阵。
为了求解TPS参数对A和C,首先对矩阵采用QR分解:
其中Q1和Q2分别为N×3和N×(N-3)维的正交矩阵,R为一个3×3的上三角矩阵。令并将QR分解代入公式(6),得出:
其中,且为一个(N-3)×3维的矩阵。
对能量函数计算关于和A最小化,即可得到:
其中,εI用来表示数值的稳定性。将公式(8)和公式(9)代入公式(2)和公式(3)中,可以得到fp的封闭解:
fp(p)=Ap+(KpC)T(10)
其中Kp为核向量。
4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像,变形后图像和目标点如图3所示。
如图4所示,本发明实施例的基于MRLS-TPS的图像变形***用于实现本发明实施例的基于MRLS-TPS的图像变形方法,包括:
数据输入单元401,用于输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
模型构建单元402,用于取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,为点的齐次坐标表示,且ci为一个3×1的矩阵;
变形映射函数计算单元403,用于求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
变形图像计算单元404,用于根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种基于MRLS-TPS的图像变形方法,其特征在于,包括以下步骤:
S1、输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
S2、取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,p和pi分别表示需要变形的像素点和第i个控制点,为点p的齐次坐标表示,且ci为一个3×1的矩阵;
S3、根据S2中的公式求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
S4、根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
2.根据权利要求1所述的基于MRLS-TPS的图像变形方法,其特征在于,步骤S3中权重矩阵W为n阶对角矩阵,其对角上的第i个元素为wi(p),其公式为:
wi(p)=||p-xi||-2α
其中,α为权值参数,p为图像中任意像素点、xi为第i个控制点。
3.根据权利要求2所述的基于MRLS-TPS的图像变形方法,其特征在于,步骤S3中使用MRLS法求解变形映射函数fp的最优拟合函数,其移动正则最小二乘误差的公式为:
其中,wi(p)表示每个图像点p的权值,为一组控制点,是其对应变形位置,其中xi和yi是列向量。fp(xi)表示图像点xi变形后的位置。
4.根据权利要求3所述的基于MRLS-TPS的图像变形方法,其特征在于,步骤S3中根据移动正则最小二乘误差、变形映射拟合函数fp和弯曲函数gp计算TPS能量函数,其公式为:
其中, C=(c1,c2,…cN)T,C表示弯曲系数,为N×3维矩阵,K为核矩阵,A和C为TPS参数对;
对TPS能量函数求解可得:
fp(p)=Ap+(KpC)T
其中,εI表示数值的稳定性,Q1和Q2分别为N×3和N×(N-3)维的正交矩阵,R为一个3×3的上三角矩阵,
5.一种基于MRLS-TPS的图像变形***,其特征在于,包括:
数据输入单元,用于输入原图像、权值参数α和正则化参数λ,并从原图像中选取控制点集合和该控制点集合对应的目标点集合
模型构建单元,用于取径向基函数作为TPS核,根据TPS核构建控制点集合的核矩阵K,其公式为:
K(p,pi)=||p-pi||2log||p-pi||
并根据TPS模型构建变形映射模拟函数fp,fp可以分解为一个全局的仿射变换矩阵A和一个局部的弯曲函数gp,其公式为:
其中,A为一个3×3的矩阵,表示全局的仿射变换,为点的齐次坐标表示,且ci为一个3×1的矩阵;
变形映射函数计算单元,用于求解原图像中每个像素点的权重矩阵W、核向量Kp及变形映射函数fp;
变形图像计算单元,用于根据变形映射函数的集合{fp(p)},通过逆向映射获得变形图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510852303.0A CN105243636A (zh) | 2015-11-27 | 2015-11-27 | 一种基于mrls-tps的图像变形方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510852303.0A CN105243636A (zh) | 2015-11-27 | 2015-11-27 | 一种基于mrls-tps的图像变形方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105243636A true CN105243636A (zh) | 2016-01-13 |
Family
ID=55041271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510852303.0A Pending CN105243636A (zh) | 2015-11-27 | 2015-11-27 | 一种基于mrls-tps的图像变形方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243636A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296596A (zh) * | 2016-07-27 | 2017-01-04 | 扬州大学 | 基于点对邻域正交化算法的对称特征化石三维模型局部变形恢复方法 |
CN107146208A (zh) * | 2017-04-27 | 2017-09-08 | 扬州大学 | 基于薄板样条基函数优化的非完备模型局部变形的恢复方法 |
CN109191472A (zh) * | 2018-08-28 | 2019-01-11 | 杭州电子科技大学 | 基于改进U-Net网络的胸腺细胞图像分割方法 |
CN109544447A (zh) * | 2018-10-26 | 2019-03-29 | 广西师范大学 | 一种图像拼接方法、装置及存储介质 |
CN110033420A (zh) * | 2018-01-12 | 2019-07-19 | 北京京东金融科技控股有限公司 | 一种图像融合的方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080310720A1 (en) * | 2007-02-14 | 2008-12-18 | Samsung Electronics Co., Ltd. | Object pose normalization method and apparatus and object recognition method |
CN104732546A (zh) * | 2015-04-02 | 2015-06-24 | 西安电子科技大学 | 区域相似性和局部空间约束的非刚性sar图像配准方法 |
-
2015
- 2015-11-27 CN CN201510852303.0A patent/CN105243636A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080310720A1 (en) * | 2007-02-14 | 2008-12-18 | Samsung Electronics Co., Ltd. | Object pose normalization method and apparatus and object recognition method |
CN104732546A (zh) * | 2015-04-02 | 2015-06-24 | 西安电子科技大学 | 区域相似性和局部空间约束的非刚性sar图像配准方法 |
Non-Patent Citations (2)
Title |
---|
孙冬梅: "利用薄板样条函数实现非刚性图像匹配算法", 《电子学报》 * |
马佳义: "基于非参数模型的点集匹配算法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296596A (zh) * | 2016-07-27 | 2017-01-04 | 扬州大学 | 基于点对邻域正交化算法的对称特征化石三维模型局部变形恢复方法 |
CN106296596B (zh) * | 2016-07-27 | 2019-05-21 | 扬州大学 | 基于点对邻域正交化算法的对称特征化石三维模型局部变形恢复方法 |
CN107146208A (zh) * | 2017-04-27 | 2017-09-08 | 扬州大学 | 基于薄板样条基函数优化的非完备模型局部变形的恢复方法 |
CN110033420A (zh) * | 2018-01-12 | 2019-07-19 | 北京京东金融科技控股有限公司 | 一种图像融合的方法和装置 |
CN110033420B (zh) * | 2018-01-12 | 2023-11-07 | 京东科技控股股份有限公司 | 一种图像融合的方法和装置 |
CN109191472A (zh) * | 2018-08-28 | 2019-01-11 | 杭州电子科技大学 | 基于改进U-Net网络的胸腺细胞图像分割方法 |
CN109544447A (zh) * | 2018-10-26 | 2019-03-29 | 广西师范大学 | 一种图像拼接方法、装置及存储介质 |
CN109544447B (zh) * | 2018-10-26 | 2022-10-21 | 广西师范大学 | 一种图像拼接方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243636A (zh) | 一种基于mrls-tps的图像变形方法及*** | |
WO2021022929A1 (zh) | 一种单帧图像超分辨率重建方法 | |
CN112862972B (zh) | 一种表面结构网格生成方法 | |
CN104021584A (zh) | 一种骨骼蒙皮动画的实现方法 | |
CN103035022B (zh) | 基于特征点的人脸表情合成方法 | |
CN101303772A (zh) | 一种基于单幅图像的非线性三维人脸建模方法 | |
Xu et al. | Dynamic harmonic fields for surface processing | |
CN111091624B (zh) | 一种从单张图片生成高精度可驱动人脸三维模型的方法 | |
CN111553968A (zh) | 一种三维人体重构动画的方法 | |
CN105427360B (zh) | 一种动态网格的误差可控cage序列表示算法 | |
Yang et al. | Biharmonic deformation transfer with automatic key point selection | |
CN108280858A (zh) | 多视图重建中的一种线性全局相机运动参数估计方法 | |
CN106204415A (zh) | 一种新型的图像配准方法 | |
CN102385754B (zh) | 一种物体跟踪方法和设备 | |
CN107967675A (zh) | 一种基于自适应投影移动最小二乘的结构化点云去噪方法 | |
CN104851133A (zh) | 一种图像自适应网格生成变分方法 | |
CN102637304B (zh) | 基于gpu的几何表面上各向同性/异性纹理合成方法 | |
Zhou et al. | Improvement of normal estimation for point clouds via simplifying surface fitting | |
Zhou et al. | Image deformation with vector-field interpolation based on MRLS-TPS | |
CN106484511A (zh) | 一种谱姿态迁移方法 | |
CN110555189B (zh) | 一种基于反向计算思维的空间插值方法 | |
CN107424122A (zh) | 一种大位移下形变辅助的图像插补方法 | |
CN115222894A (zh) | 一种基于laplace优化的图像拓扑变形方法 | |
CN107146208A (zh) | 基于薄板样条基函数优化的非完备模型局部变形的恢复方法 | |
CN104572581A (zh) | 复解析多项式的非线性ifs迭代函数系构造分形方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160113 |
|
RJ01 | Rejection of invention patent application after publication |