亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于虛擬現(xiàn)實(shí)技術(shù)的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法①

        2020-12-28 08:14:58徐新星
        關(guān)鍵詞:特征融合方法

        徐新星

        (安徽財(cái)貿(mào)職業(yè)學(xué)院云桂信息學(xué)院,安徽 合肥 230000)

        0 引 言

        隨著虛擬現(xiàn)實(shí)仿真技術(shù)和動(dòng)畫(huà)圖像的優(yōu)化處理技術(shù)的發(fā)展,對(duì)三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成技術(shù)提出了更高的要求,研究三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法,在動(dòng)畫(huà)的三維視景仿真和動(dòng)態(tài)視景圖像重建中具有重要意義[1]。通過(guò)建立三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成模型,通過(guò)圖像信息融合和增強(qiáng)處理的方法,實(shí)現(xiàn)三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成和優(yōu)化控制,提高三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成能力,研究三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法,在三維動(dòng)畫(huà)場(chǎng)景重建和視景仿真中具有重要意義[2]。

        傳統(tǒng)方法中,對(duì)三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法主要有顯著圖特征分析方法、視景重建方法、模糊特征檢測(cè)方法[3],構(gòu)建三維動(dòng)畫(huà)場(chǎng)景的采集模型,提取三維動(dòng)畫(huà)場(chǎng)景三維圖譜特征量,建立三維動(dòng)畫(huà)場(chǎng)景的模糊相關(guān)性特征分布結(jié)構(gòu)模型,采用特征信息融合的方法,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成,文獻(xiàn)[4]中提出基于譜分析的三維動(dòng)畫(huà)場(chǎng)景虛擬現(xiàn)實(shí)自動(dòng)生成方法,構(gòu)建三維動(dòng)畫(huà)場(chǎng)景采樣和信息融合模型,通過(guò)模糊度信息融合,實(shí)現(xiàn)三維動(dòng)畫(huà)場(chǎng)景虛擬現(xiàn)實(shí)重組,提高動(dòng)畫(huà)場(chǎng)景重構(gòu)能力,但該方法進(jìn)行三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成的模糊度較大,特征識(shí)別能力不好。文獻(xiàn)[5]中提出基于三維可視化特征分解的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法,通過(guò)多維模板匹配的方法進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的多維重建,結(jié)合三維可視化特征融合,提高動(dòng)畫(huà)場(chǎng)景的三維重構(gòu)能力,但該方法的計(jì)算開(kāi)銷較大,三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成的實(shí)時(shí)性不好。針對(duì)上述問(wèn)題,提出基于虛擬現(xiàn)實(shí)技術(shù)的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法。

        1 三維動(dòng)畫(huà)場(chǎng)景圖像生成和圖像處理

        1.1 三維動(dòng)畫(huà)場(chǎng)景圖像生成

        為了實(shí)現(xiàn)基于虛擬現(xiàn)實(shí)技術(shù)的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成,構(gòu)建三維動(dòng)畫(huà)場(chǎng)景分布的規(guī)則化參數(shù)模型,采用交替分析和自適應(yīng)迭代的方法,得到三維動(dòng)畫(huà)場(chǎng)景的模板特征匹配集,通過(guò)空間模板特征匹配的方法[6],得到三維動(dòng)畫(huà)場(chǎng)景的融合度特征分量x1,x2,x3和x4表示為:

        (1)

        (2)

        (3)

        其中,w為像素點(diǎn)坐標(biāo),d為像素點(diǎn)像素值,h為像素點(diǎn)透射距離,Z(i)為三維動(dòng)畫(huà)場(chǎng)景的均方根分布權(quán)系數(shù),景物越遠(yuǎn),h越大,求得三維動(dòng)畫(huà)場(chǎng)景的分塊融合誤差,通過(guò)光滑性約束沖過(guò),求得三維動(dòng)畫(huà)場(chǎng)景的邊緣梯度信息[7],通過(guò)虛擬重構(gòu),得到概率密度特征分布函數(shù)H(r)描述為:

        (4)

        其中,r為密度值,結(jié)合圖像的透射率分析,通過(guò)像素結(jié)構(gòu)重組,得到三維動(dòng)畫(huà)場(chǎng)景圖像成像輸出表示為:

        G1=(1+μY)(1+λY)G

        (5)

        其中,G1和G分別是三維動(dòng)畫(huà)場(chǎng)景的分布向量集和空間特征匹配集,μ和λ分別是影響三維動(dòng)畫(huà)場(chǎng)景分布向量和空間特征匹配集常數(shù),通過(guò)三維場(chǎng)景動(dòng)畫(huà)生成重構(gòu),進(jìn)行光滑性約束和收斂性控制。

        1.2 三維虛擬重構(gòu)

        采用交替分析和自適應(yīng)迭代的方法,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的虛擬特征重構(gòu)[8],通過(guò)模糊度檢測(cè),求得三維動(dòng)畫(huà)場(chǎng)景的透射度函數(shù)V,表示為:

        V=e1e2-ce12

        (6)

        其中,c為動(dòng)畫(huà)像透射率,對(duì)動(dòng)畫(huà)像的透射率進(jìn)行參數(shù)融合,求得白色亮斑參數(shù)ω,結(jié)合模板匹配和區(qū)域重組,建立三維動(dòng)畫(huà)場(chǎng)景的源圖像融合模型,得到融合誤差函數(shù)l1:

        l1=ω-ωr

        (7)

        在源圖像轉(zhuǎn)移至融合的過(guò)程中,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的分塊匹配和自適應(yīng)融合,得到三維動(dòng)畫(huà)場(chǎng)景的分組特征匹配模型,得到分組特征匹配參數(shù)為:

        ?r=m(cos?+Vω)

        (8)

        其中,當(dāng)?=±90°時(shí),圖像包含信息越多,采用概率密度函數(shù)估計(jì)的方法,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景生成過(guò)程中的信息重構(gòu),得到收斂誤差滿足:

        (9)

        (10)

        通過(guò)灰色相似特征分布式解析方法,建立三維動(dòng)畫(huà)場(chǎng)景的聯(lián)合概率分布模型,得到邊緣細(xì)節(jié)信息為:

        (11)

        (12)

        根據(jù)邊緣信息分布進(jìn)行三維虛擬重構(gòu),提高三維動(dòng)畫(huà)場(chǎng)景圖像的自動(dòng)生成能力。

        2 三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成優(yōu)化

        2.1 三維動(dòng)畫(huà)場(chǎng)景信息融合

        通過(guò)圖像增強(qiáng)方法進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的信息融合的增強(qiáng)處理,通過(guò)透射率估計(jì)方法進(jìn)行三維動(dòng)畫(huà)的場(chǎng)景融合,三維動(dòng)畫(huà)場(chǎng)景的虛擬視覺(jué)重建輸出模型I為:

        (13)

        其中,n為三維動(dòng)畫(huà)場(chǎng)景像素點(diǎn)坐標(biāo),s為三維動(dòng)畫(huà)場(chǎng)景坐標(biāo)變化量,在一個(gè)7×7像素特征匹配窗口內(nèi),通過(guò)分析模糊噪聲分布區(qū)域,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的點(diǎn)匹配,得到點(diǎn)分布模型A為:

        (14)

        上式中U為融合圖像與兩幅源圖像的特征差異值,計(jì)算三維動(dòng)畫(huà)場(chǎng)景的點(diǎn)跟蹤模型,得到三維動(dòng)畫(huà)場(chǎng)景的相似度特征量D(y1,y2)表示如下:

        D(y1,y2)=ecosθ(y1,y2)

        (15)

        (16)

        (17)

        其中δ和ε分別表示三維動(dòng)畫(huà)場(chǎng)景圖像信息融合的相似度系數(shù)和模糊度系數(shù),根據(jù)模糊信息融合結(jié)果,進(jìn)行動(dòng)畫(huà)場(chǎng)景的自動(dòng)生成重組。

        2.2 虛擬現(xiàn)實(shí)重構(gòu)

        在虛擬現(xiàn)實(shí)仿真場(chǎng)景下進(jìn)行梯度融合的方法,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的歸一化的低照度圖像融合,得到三維動(dòng)畫(huà)場(chǎng)景的歸一化概率分布函數(shù):

        (18)

        其中,f(x)為平均梯度系數(shù),通過(guò)分析動(dòng)畫(huà)場(chǎng)景圖像的梯度變化特征,得到像素灰度值為:

        Ψ(ω)=ln[Φ(ω)]

        (19)

        在虛影模糊圖像中,結(jié)合邊緣強(qiáng)度估計(jì)的方法,得到三維動(dòng)畫(huà)場(chǎng)景的邊緣強(qiáng)度特征分布為:

        (20)

        (21)

        在連通域中,得到三維動(dòng)畫(huà)場(chǎng)景的連通分量集合為:

        (22)

        為了提高復(fù)雜圖像的適用性,通過(guò)最小值構(gòu)成圖像的邊緣像素區(qū)域特征解,得到三維動(dòng)畫(huà)場(chǎng)景的相似度特征分布函數(shù)為:

        M=D-Φ(ω)

        (23)

        在連通分量的集合中,通過(guò)分析背景區(qū)域的暗原色,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的歸一化的低照度圖像融合,通過(guò)圖像的相似度特征比較方法,在三維動(dòng)畫(huà)場(chǎng)景生成過(guò)程中進(jìn)行支持向量機(jī)學(xué)習(xí),得到學(xué)習(xí)函數(shù):

        Y(ejω)=ejΦ(ω)

        (24)

        結(jié)合物體的標(biāo)記符分析,實(shí)現(xiàn)基于虛擬現(xiàn)實(shí)的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成與重構(gòu)。

        3 仿真實(shí)驗(yàn)與結(jié)果分析

        設(shè)定三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成仿真中的像素灰度值為0.24,動(dòng)畫(huà)場(chǎng)景圖像的邊緣模糊度系數(shù)為0.26,均值濾波系數(shù)為0.54,亮度和邊緣感知區(qū)域的柔和度為1.86,根據(jù)上述參數(shù)設(shè)定,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成,得到三維動(dòng)畫(huà)場(chǎng)景的原始圖像如圖1所示。以圖1的圖像為研究對(duì)象,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的虛擬特征重構(gòu),通過(guò)圖像增強(qiáng)方法進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的信息融合的增強(qiáng)處理,得到圖像融合結(jié)果如圖2所示。

        圖1 三維動(dòng)畫(huà)場(chǎng)景的原始圖像

        圖2 圖像融合結(jié)果

        分析圖2得知,通過(guò)對(duì)三維動(dòng)畫(huà)場(chǎng)景圖像融合,提高了三維動(dòng)畫(huà)場(chǎng)景的自動(dòng)生成能力,通過(guò)圖像的相似度特征比較方法,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景生成,得到優(yōu)化生成結(jié)果如圖3所示。

        圖3 場(chǎng)景虛擬自動(dòng)生成結(jié)果

        分析圖3得知,本方法有效實(shí)現(xiàn)了三維動(dòng)畫(huà)場(chǎng)景的自動(dòng)生成,提高三維虛擬重構(gòu)能力,測(cè)試輸出誤差,得到結(jié)果見(jiàn)表1,分析表1得知,本方法進(jìn)行三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成,輸出誤差較低。

        表1 輸出誤差測(cè)試

        4 結(jié) 語(yǔ)

        建立三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成模型,通過(guò)圖像信息融合和增強(qiáng)處理的方法,實(shí)現(xiàn)三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成和優(yōu)化控制,提出基于虛擬現(xiàn)實(shí)技術(shù)的三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成方法,構(gòu)建三維動(dòng)畫(huà)場(chǎng)景分布的規(guī)則化參數(shù)模型。通過(guò)模糊度檢測(cè),求得三維動(dòng)畫(huà)場(chǎng)景的透射度,在源圖像轉(zhuǎn)移至融合的過(guò)程中,進(jìn)行三維動(dòng)畫(huà)場(chǎng)景的分塊匹配和自適應(yīng)融合,結(jié)合優(yōu)化的學(xué)習(xí)算法,實(shí)現(xiàn)三維動(dòng)畫(huà)場(chǎng)景的虛擬重建和自動(dòng)生成。研究得知,本方法能有效實(shí)現(xiàn)三維動(dòng)畫(huà)場(chǎng)景自動(dòng)生成,提高了虛擬重構(gòu)能力。

        猜你喜歡
        特征融合方法
        村企黨建聯(lián)建融合共贏
        融合菜
        從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
        《融合》
        如何表達(dá)“特征”
        不忠誠(chéng)的四個(gè)特征
        抓住特征巧觀察
        可能是方法不對(duì)
        用對(duì)方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        东京热人妻一区二区三区| 国产在线一区二区三区不卡| 人妻久久一区二区三区| 亚洲成av人在线播放无码 | 五月婷婷开心五月激情| а天堂8中文最新版在线官网 | 中文字幕精品一区二区精品| 日韩内射美女人妻一区二区三区 | 熟女人妻一区二区在线观看 | 精品一区二区亚洲一二三区| 久久一本日韩精品中文字幕屁孩| 国产午夜福利片| 国产女精品| 日本中文字幕人妻精品| 青青草原综合久久大伊人精品| 久久九九国产精品怡红院| 精品少妇爆乳无码aⅴ区| 国产女主播一区二区三区在线观看| 少妇无码太爽了在线播放| 国产成人精品999在线观看| 国产精品白浆视频免费观看| 国产又黄又湿又爽的免费视频| 国产又猛又黄又爽| 香蕉人妻av久久久久天天| 中文字幕亚洲精品码专区| 91精品国产综合久久久密臀九色| 精品人妻午夜一区二区三区四区 | 中国精品久久精品三级| 初尝人妻少妇中文字幕在线 | 麻豆视频在线观看免费在线观看| 日本三级香港三级人妇99| 欧产日产国产精品精品| 亚洲欧美日韩中文综合在线不卡| 日本免费精品一区二区| 国产成人亚洲精品无码av大片| 福利一区视频| 高清少妇一区二区三区| 色天使久久综合网天天| 97影院在线午夜| 男人的天堂av一二三区| 亚洲综合av大全色婷婷|