基于虚拟现实技术的三维动画场景自动生成方法①

徐新星

(安徽财贸职业学院云桂信息学院，安徽 合肥 230000)

0 引 言

随着虚拟现实仿真技术和动画图像的优化处理技术的发展，对三维动画场景自动生成技术提出了更高的要求，研究三维动画场景自动生成方法，在动画的三维视景仿真和动态视景图像重建中具有重要意义[1]。通过建立三维动画场景自动生成模型，通过图像信息融合和增强处理的方法，实现三维动画场景自动生成和优化控制，提高三维动画场景自动生成能力，研究三维动画场景自动生成方法，在三维动画场景重建和视景仿真中具有重要意义[2]。

传统方法中，对三维动画场景自动生成方法主要有显著图特征分析方法、视景重建方法、模糊特征检测方法[3]，构建三维动画场景的采集模型，提取三维动画场景三维图谱特征量，建立三维动画场景的模糊相关性特征分布结构模型，采用特征信息融合的方法，进行三维动画场景自动生成，文献[4]中提出基于谱分析的三维动画场景虚拟现实自动生成方法，构建三维动画场景采样和信息融合模型，通过模糊度信息融合，实现三维动画场景虚拟现实重组，提高动画场景重构能力，但该方法进行三维动画场景自动生成的模糊度较大，特征识别能力不好。文献[5]中提出基于三维可视化特征分解的三维动画场景自动生成方法，通过多维模板匹配的方法进行三维动画场景的多维重建，结合三维可视化特征融合，提高动画场景的三维重构能力，但该方法的计算开销较大，三维动画场景自动生成的实时性不好。针对上述问题，提出基于虚拟现实技术的三维动画场景自动生成方法。

1 三维动画场景图像生成和图像处理

1.1 三维动画场景图像生成

为了实现基于虚拟现实技术的三维动画场景自动生成，构建三维动画场景分布的规则化参数模型，采用交替分析和自适应迭代的方法，得到三维动画场景的模板特征匹配集，通过空间模板特征匹配的方法[6]，得到三维动画场景的融合度特征分量x1，x2，x3和x4表示为：

(1)

(2)

(3)

其中，w为像素点坐标，d为像素点像素值，h为像素点透射距离，Z(i)为三维动画场景的均方根分布权系数，景物越远，h越大，求得三维动画场景的分块融合误差，通过光滑性约束冲过，求得三维动画场景的边缘梯度信息[7]，通过虚拟重构，得到概率密度特征分布函数H(r)描述为：

(4)

其中，r为密度值，结合图像的透射率分析，通过像素结构重组，得到三维动画场景图像成像输出表示为：

G1=(1+μY)(1+λY)G

(5)

其中，G1和G分别是三维动画场景的分布向量集和空间特征匹配集，μ和λ分别是影响三维动画场景分布向量和空间特征匹配集常数，通过三维场景动画生成重构，进行光滑性约束和收敛性控制。

1.2 三维虚拟重构

采用交替分析和自适应迭代的方法，进行三维动画场景的虚拟特征重构[8]，通过模糊度检测，求得三维动画场景的透射度函数V，表示为：

V=e1e2-ce12

(6)

其中，c为动画像透射率，对动画像的透射率进行参数融合，求得白色亮斑参数ω，结合模板匹配和区域重组，建立三维动画场景的源图像融合模型，得到融合误差函数l1：

l1=ω-ωr

(7)

在源图像转移至融合的过程中，进行三维动画场景的分块匹配和自适应融合，得到三维动画场景的分组特征匹配模型，得到分组特征匹配参数为：

ϑr=m(cosϑ+Vω)

(8)

其中，当ϑ=±90°时，图像包含信息越多，采用概率密度函数估计的方法，进行三维动画场景生成过程中的信息重构，得到收敛误差满足：

(9)

(10)

通过灰色相似特征分布式解析方法，建立三维动画场景的联合概率分布模型，得到边缘细节信息为：

(11)

(12)

根据边缘信息分布进行三维虚拟重构，提高三维动画场景图像的自动生成能力。

2 三维动画场景自动生成优化

2.1 三维动画场景信息融合

通过图像增强方法进行三维动画场景的信息融合的增强处理，通过透射率估计方法进行三维动画的场景融合，三维动画场景的虚拟视觉重建输出模型I为：

(13)

其中，n为三维动画场景像素点坐标，s为三维动画场景坐标变化量，在一个7×7像素特征匹配窗口内，通过分析模糊噪声分布区域，进行三维动画场景的点匹配，得到点分布模型A为：

(14)

上式中U为融合图像与两幅源图像的特征差异值，计算三维动画场景的点跟踪模型，得到三维动画场景的相似度特征量D(y1,y2)表示如下：

D(y1,y2)=ecosθ(y1,y2)

(15)

(16)

(17)

其中δ和ε分别表示三维动画场景图像信息融合的相似度系数和模糊度系数，根据模糊信息融合结果，进行动画场景的自动生成重组。

2.2 虚拟现实重构

在虚拟现实仿真场景下进行梯度融合的方法，进行三维动画场景的归一化的低照度图像融合，得到三维动画场景的归一化概率分布函数：

(18)

其中，f(x)为平均梯度系数，通过分析动画场景图像的梯度变化特征，得到像素灰度值为：

Ψ(ω)=ln[Φ(ω)]

(19)

在虚影模糊图像中，结合边缘强度估计的方法，得到三维动画场景的边缘强度特征分布为：

(20)

(21)

在连通域中，得到三维动画场景的连通分量集合为：

(22)

为了提高复杂图像的适用性，通过最小值构成图像的边缘像素区域特征解，得到三维动画场景的相似度特征分布函数为：

M=D-Φ(ω)

(23)

在连通分量的集合中，通过分析背景区域的暗原色，进行三维动画场景的归一化的低照度图像融合，通过图像的相似度特征比较方法，在三维动画场景生成过程中进行支持向量机学习，得到学习函数：

Y(ejω)=ejΦ(ω)

(24)

结合物体的标记符分析，实现基于虚拟现实的三维动画场景自动生成与重构。

3 仿真实验与结果分析

设定三维动画场景自动生成仿真中的像素灰度值为0.24，动画场景图像的边缘模糊度系数为0.26，均值滤波系数为0.54，亮度和边缘感知区域的柔和度为1.86，根据上述参数设定，进行三维动画场景自动生成，得到三维动画场景的原始图像如图1所示。以图1的图像为研究对象，进行三维动画场景的虚拟特征重构，通过图像增强方法进行三维动画场景的信息融合的增强处理，得到图像融合结果如图2所示。

图1 三维动画场景的原始图像

图2 图像融合结果

分析图2得知，通过对三维动画场景图像融合，提高了三维动画场景的自动生成能力，通过图像的相似度特征比较方法，进行三维动画场景生成，得到优化生成结果如图3所示。

图3 场景虚拟自动生成结果

分析图3得知，本方法有效实现了三维动画场景的自动生成，提高三维虚拟重构能力，测试输出误差，得到结果见表1，分析表1得知，本方法进行三维动画场景自动生成，输出误差较低。

表1 输出误差测试

4 结 语

建立三维动画场景自动生成模型，通过图像信息融合和增强处理的方法，实现三维动画场景自动生成和优化控制，提出基于虚拟现实技术的三维动画场景自动生成方法，构建三维动画场景分布的规则化参数模型。通过模糊度检测，求得三维动画场景的透射度，在源图像转移至融合的过程中，进行三维动画场景的分块匹配和自适应融合，结合优化的学习算法，实现三维动画场景的虚拟重建和自动生成。研究得知，本方法能有效实现三维动画场景自动生成，提高了虚拟重构能力。