51、基于偏振的表面特征估计与提取方法

基于偏振的表面特征估计与提取方法

1. 引言

在计算机视觉和图形学领域，准确估计和再现表面外观至关重要，其应用涵盖目标识别与分类、图像渲染等。表面外观由形状、颜色和反射率决定，这些内在属性相互独立且对图像强度的影响复杂，因此需要一种稳健的方法同时估计这些表面属性以实现成功的目标识别。

以往测量表面特征的方法存在局限，如需要高成本测量系统和大量输入图像。而偏振技术在计算机视觉中分析光反射方面已被证明是有效的，可用于反射分量分离和表面法线估计。

本文引入了一种新颖的统计框架，利用偏振理论从单视图同时获取形状、纹理和反射率属性。具体步骤如下：
1. 在回射设置下获取偏振图像，采用盲源分离（BSS）方法分离反射分量。
2. 优化估计并消除冗余信息，将估计值转换为长向量用于统计特征提取。
3. 应用主成分分析（PCA）、加权PCA（WPCA）和监督加权PCA（SWPCA）三种统计方法进行特征提取。

本文的创新贡献包括：
- 提供一种仅需三个输入图像和低成本设备，利用偏振测量估计形状、颜色和反射率信息的新框架。
- 开发优化方法消除反射率估计中的冗余信息，使特征提取方法更准确高效。
- 使用PCA、WPCA和SWPCA三种统计方法进行特征提取，并优化用于多类识别。

2. 表面特征建模

从偏振图像估计反射率、形状和颜色属性的方法如下：
- 反射率和形状估计 ：
- 当光到达表面时，部分发生漫反射，部分发生镜面反射。根据双色模型，图像中每个像素的强度(I)由漫反射(I_d)和镜面反射(I_s)决定，即(I = I_d