融合纹理特征的高分辨率三维人体皮肤研究

Compared with traditional modeling methods, skin texture feature-based high-resolution 3D skin modeling method shows us the details of skin texture, and it is a fast and efficient modeling solution. In our research, we propose an architecture for 3D human skin reconstruction with subtle texture. This research includes as follows: First, 3D skin reconstruction using Gibbs random projection; Second, 3D point clouds fusing based on a two-stages registration algorithm. The research will achieve a fast, efficient modeling method for subtle 3D high-resolution skin texture application in many fields such as film and television animation, games, entertainment, medical research,and safety certification.

融合纹理特征的高分辨率三维皮肤建模解决传统皮肤建模方法中模型分辨率低、建模过程复杂的问题，具有展现皮肤纹理的细节特征和快速高效建模的优势。本项目以多视点下静态人体皮肤图像序列作为研究对象，以图像匹配重建和三维点云高精度融合方法为手段，深入研究高分辨率人体皮肤建模以及皮肤纹理特征与三维模型的融合方法。内容包括：① 针对由于皮肤纹理信息缺乏造成的匹配点对过少问题，研究吉布斯分布对纹理信息缺乏区域进行随机密集采样的稠密匹配，并建立快速分布均匀的三维点云皮肤模型；② 研究基于特征点的点云模型融合方法，利用三维重建过程中建立的对应图像匹配点集，建立局部点云间的变换矩阵，完成点云模型融合，从而明显提高三维模型的显示精度。本项目研究旨在通过深化拓展申请人前期相关研究工作，给出一套系统、快速高效的真实感皮肤建模理论与方法，以促进人体皮肤建模及情感渲染在影视动漫、游戏、医学诊断、安全认证等行业的深入应用。

真实感三维人体皮肤建模和情感展现在安全认证、影视动漫、游戏娱乐、医学研究等许多行业发挥着极其重要的作用。融合纹理特征的高分辨率三维皮肤建模解决传统皮肤建模方法中模型分辨率低、建模过程复杂的问题，具有展现皮肤纹理的细节特征和快速高效建模的优势。课题组针对基于立体视觉的真实感皮肤三维重建问题展开深入的研究，研究主要内容包括特征分类基础理论和针对人体皮肤三维建模应用两部分。基础理论方面，首先针对稀疏特征分类问题，提出了基于超图正则化的分类方法，该方法包括超图拉普拉斯正则化模型和基于超图正则化的Lasso模型，有效提高了稀疏特征的分类效率；其次，针对立体匹配图像间的极线矫正问题，提出了基于本质矩阵奇异值分解的极线校正方法，该方法依据本质矩阵进行奇异值分解所获得的封闭解，对图像对进行极线矫正，执行效率和精度获得大幅度提高。高分辨率人体皮肤三维建模应用方面，首先，针对高分辨率图像中纹理缺乏和纹理的弱相似性问题，提出了基于改进随机采样的稠密匹配方法，该方法将匹配效率提高了27%，而且匹配点分布均匀，可有效避免三维模型重建后常见的空洞现象；其次,在特征向量的提取和分类方面，利用高斯差分检测特征点，将Haar小波响应投影生成一个64维向量作为特征向量，提出了基于子空间学习的稠密匹配方法，该方法在随机采样基础上，进一步提高了稠密匹配的精度；最后，利用最小二乘法拼接三维点云模型完成重建，该三维皮肤重建的处理平台已集成发布，并已完成软件著作权登记，且申请国家发明专利两部。