基于真實感的虛擬現(xiàn)實圖像生成技術

張春黎

(黃山職業(yè)技術學院 工貿(mào)系,安徽 黃山 245000)

0 引言

虛擬現(xiàn)實是21 世紀計算機領域研究的重要方向，與多媒體、互聯(lián)網(wǎng)技術一起，構成了計算機領域三大重點技術，備受當代社會的關注。虛擬現(xiàn)實集成了多學科、多角度的綜合性高新技術，涉及到機器人技術、分布式技術、網(wǎng)絡技術、計算機科學等多個領域，同時還擁有三維建模功能，該功能可以構建逼真、生動的虛擬環(huán)境，用戶還可以利用傳感性設備，自然、直觀、便捷的進入構建的虛擬空間，并在虛擬空間中隨意遐想、交互[1]。虛擬現(xiàn)實技術創(chuàng)建的虛擬世界可以感知人的感覺，包括嗅覺、觸覺、聽覺、視覺等；并且用戶可以利用人的動作與基本行為與構建出來的虛擬世界進行深入、自然的交互；還能夠通過頭盔形顯示器、三維空間傳感交互球以及數(shù)字手套等顯示設備和傳感設備來提高用戶體驗的真實感、增強人機交互感。基于此，提出一種基于真實感的虛擬現(xiàn)實圖像生成技術[2]，進而加速圖像生成的速度，提升虛擬現(xiàn)實圖像生成技術的適用性。

1 基于真實感的虛擬現(xiàn)實圖像生成技術設計

1.1 特征點匹配誤差消除

以給定的閾值為依據(jù)，將灰度方差最小值比閾值點大的點作為候選特征點，其中選擇閾值時需要保障候選特征點中包含必要的特征點，又要保障非特征點的數(shù)量不能過多[3]。在候選特征點中選擇具備極大局部值的點作為必要的特征點，并剔除灰度方差最小值較小的點，保留灰度方差最小值最大的點，該象素就是樣本的特征點。虛擬現(xiàn)實圖像的生成需要對虛擬現(xiàn)實圖像的特征點進行匹配，建立匹配點對。匹配過程包括初始匹配、松弛匹配。首先進行初始匹配：對于虛擬現(xiàn)實樣本A與B，利用GAij與GBij來表示虛擬現(xiàn)實樣本A與B中某個N×N像元陣列第j列、第i行的像素灰度值，并求出其方差與灰度均值，以及像元陣列的灰度協(xié)方差CAB，當CAB取最大值時，虛擬現(xiàn)實樣本A與B中的N×N像元陣列即為互相匹配的像元影像陣列，陣列中的點就是匹配像點[4]。

然后進行松弛匹配，修正初始匹配結果，以初始的樣本匹配點(MAi,MBj)為中心，R為半徑的領域定義為N(MAi)與N(MBj)，根據(jù)樣本匹配點的連續(xù)性，對其匹配強度SM進行定義與取值，實現(xiàn)松弛匹配，對樣本匹配點對的支持程度進行衡量。

利用提取特征點的算子對特征點真實提?。哼M行灰度化處理，利用像元各個方向上灰度方差的最小值來表現(xiàn)該像元與周圍像元出現(xiàn)的灰度變化，并在樣本的局部區(qū)域中尋找灰度變化最大的點作為樣本的特征點，如圖1所示[5]。

圖1 特征點選取示意圖

首先對各像元各個方向上灰度方差的最小值進行計算：利用gu,v來表示像元(u,v)的灰度值，要想對(u,v)各個方向上灰度方差的最小值進行計算，需要以(u,v)為中心，對其五乘五影像窗口的副對角、主對角、上下、左右方向鄰近像元灰度差值的平方和進行計算，分別用V1、V2、V3、V4、V5來表示，則(u,v)各個方向上灰度方差的最小值為：

其中，IVu,v代表(u,v)各個方向上灰度方差的最小值。

最后通過最小中值法對匹配誤差進行消除，利用最小中值法中的ransac 法與極線約束法，如圖2所示。

圖2 最小中值法示意圖

1.2 建立網(wǎng)格紋理虛擬現(xiàn)實圖像層次模型

完成樣本特征點匹配后，構建網(wǎng)格紋理虛擬現(xiàn)實圖像層次模型[6]。首先建立m層虛擬現(xiàn)實圖像網(wǎng)格，其中第k層可以用式（2）來表示：

式（2）中，Vk代表頂點；Tk代表三角片。利用n個點建立網(wǎng)格，隨機在網(wǎng)格表面上放入初始點，利用排斥法使初始點在表面上分布均勻[7]。這些初始點即構成了分辨率最低的網(wǎng)格Mm的頂點Vm。固定初始點后，繼續(xù)加入3n個點，利用排斥法均勻推開這些點，構成網(wǎng)格Mm-1的頂點Vm-1。遞歸進行這種操作，獲得最細網(wǎng)格M1以及該網(wǎng)格的頂點V1。三角化鄰近點在切平面上投影，從而將各點連接建立起網(wǎng)格虛擬現(xiàn)實圖像層次模型。

并利用Pyramid Gaussian對網(wǎng)格虛擬現(xiàn)實圖像層次模型進行分解，從而建立網(wǎng)格紋理虛擬現(xiàn)實圖像層次模型。

其中G1(I)代表模型中最高分辨率的那一層，由1到m層分辨率逐步降低，降低點數(shù)為25%[8]。

1.3 實現(xiàn)虛擬現(xiàn)實圖像的生成

建立網(wǎng)格紋理虛擬現(xiàn)實圖像層次模型后，利用紋理快速合成算法，匹配與合成模型中的圖像顏色，映射處理圖像紋理，從而生成具備真實感的虛擬現(xiàn)實圖像。

利用種子位置與星形匹配搜索，實現(xiàn)紋理快速合成。種子位置確定包括確定合成圖像時的預置位置，以及樣圖的取樣位置[9]。針對普通紋理，在樣圖中可以隨機進行采樣，并隨機對采樣圖像顏色進行匹配與合成；而針對具備方向特征的紋理，選取種子位置時必須沿某方向的紋理變化，充分反映種子位置方向信息，例如Y軸有紋理變化信息時，需要沿Y軸方向進行種子豎線的選取。將其在合成的紋理圖像中按順序放置，具體放置位置可能存在隨機小量擾動[10]。

采用星形匹配搜索去除隨機小量擾動。星形匹配搜索則從初始樣本匹配點開始，向其半徑為R的領域內(nèi)作星形搜索，直到種子位置隨機小量擾動量小于給定閾值，即停止搜索，并將該點位置合成至圖像中，如圖3所示[11]。

圖3 星形匹配搜索示意圖

接著對紋理進行邊緣連續(xù)映射處理，映射處理的具體流程如圖4所示[12]。

圖4 映射處理具體流程

采用紋理二維映射技術進行邊緣連續(xù)映射處理，對于矩形表面，需要將正面影像文件位圖的4個頂點與待貼紋理矩形表面的4 個角點相對應，將圖像直接繪制在物體表面，從而生成具備真實感的虛擬現(xiàn)實圖像[13]；對于曲面待貼紋理，需要以曲面特征為依據(jù)分割待貼紋理，建立生成圖像與待貼紋理的映射關系[14]。通過對應圖像紋理坐標與曲面紋理的網(wǎng)格點坐標，將紋理分割面片成功繪制在曲面面片上，完成曲面待貼紋理的紋理繪制，從而實現(xiàn)具備真實感的虛擬現(xiàn)實圖像的生成[15]。

2 實驗研究

為了檢測本文設計的基于真實感的虛擬現(xiàn)實圖像生成技術的性能，設計了一個對比實驗。

2.1 實驗過程

首先進行實驗虛擬現(xiàn)實場景的創(chuàng)建，創(chuàng)建的虛擬現(xiàn)實場景種類包括簡易虛擬現(xiàn)實場景、中等難度虛擬現(xiàn)實場景以及高等難度虛擬現(xiàn)實場景，實驗虛擬現(xiàn)實場景創(chuàng)建流程如圖5所示。

圖5 實驗虛擬現(xiàn)實場景具體創(chuàng)建流程

實驗具體環(huán)境如表1所示。

表1 實驗具體環(huán)境

在表1實驗環(huán)境下對實驗虛擬現(xiàn)實場景進行虛擬現(xiàn)實圖像生成，為了保證實驗的有效性，使用傳統(tǒng)虛擬現(xiàn)實圖像生成技術與本文方法比較，觀察不同虛擬現(xiàn)實圖像生成技術的圖像生成性能，比較圖像生成速率。

2.2 實驗結果

可通過圖像邊緣檢測是確定圖像位置信息。采用傳統(tǒng)虛擬現(xiàn)實圖像生成技術，以及本文方法進行邊緣特征檢測，傳統(tǒng)方法檢測出的圖像較為模糊，本文方法可清晰提取圖像位置邊緣特征，且邊緣的連續(xù)性較好。主要原因在于本文方法采用星形匹配搜索去除隨機小量擾動，降低邊緣連續(xù)映射處理網(wǎng)格點坐標對應更加準確，節(jié)省虛擬現(xiàn)實圖像生成時間。

為進一步驗證圖像生成速率，利用基于碰撞檢測的虛擬現(xiàn)實圖像生成技術、基于場景繪制的虛擬現(xiàn)實圖像生成技術、基于視點方式的虛擬現(xiàn)實圖像生成技術以及基于真實感的虛擬現(xiàn)實圖像生成技術進行虛擬現(xiàn)實場景的虛擬現(xiàn)實圖像生成，具體圖像生成速率數(shù)據(jù)如表2所示。

表2 具體圖像生成速率數(shù)據(jù)

根據(jù)表2 圖像生成速率數(shù)據(jù)可知，基于真實感的虛擬現(xiàn)實圖像生成技術對簡易、中等以及高等難度虛擬現(xiàn)實場景中，虛擬現(xiàn)實圖像生成速率均高于其他方法，并且圖像生成速率較為穩(wěn)定。

3 結束語

基于真實感的虛擬現(xiàn)實圖像生成技術，通過網(wǎng)格紋理虛擬現(xiàn)實圖像層次模型的構建，生成具備真實感的虛擬現(xiàn)實圖像，經(jīng)試驗驗證圖像生成速率遠高于傳統(tǒng)虛擬現(xiàn)實圖像生成技術，對虛擬現(xiàn)實圖像生成領域具有重要的意義。但是，圖像生成的速度還有賴于其他一些因素，如數(shù)據(jù)庫的結構等，數(shù)據(jù)庫結構不僅是虛擬現(xiàn)實對虛擬環(huán)境的描述所在，還關系到VR 系統(tǒng)的真實效果，因此，下一步的研究方向為考慮數(shù)據(jù)庫結構的虛擬現(xiàn)實圖像生成技術。