基于虚拟现实技术的图像重建研究

2021-03-17王云江

微型电脑应用 2021年2期

王云江

(杨凌职业技术学院信息工程分院，陕西杨凌 712100)

0 引言

随着人们生活水平的不断提高，人们拍照的频率不断提升，同时由于智能手机、多媒体技术、图像处理技术的不断融合，每天会产生大量的图像，图像在视频监控、医学诊疗等领域得到了广泛、成功的应用[1-3]。在图像的实际应用中，由于成像设备自身条件的限制，以及外界环境的影响，得到图像有时不太理想，如清晰度不够，边缘不连续，分辨率低等，这样会影响图像的实际应用价值。图像重建可以从低分辨的图像得到高分辨率的图像，因此成为当前研究的热点[4-6]。

针对图像重建问题，国内外学者进行了大量、深入研究，尤其是一些发达国家，图像重建研究的历史长，图像重建技术相当的成熟，而国内对图像重建的研究历史比较短，但是由于近年来投入的人才、财力比较大，图像重建发展速度快，也出现许多效果良好的图像重建方法[7-9]。当前图像重建技术可以划分为两类，一类是基于硬件的图像重建技术，该类技术图像重建质量好，并且图像重建速度快，但是图像重建的成本相当高，无法大面积推广，而基于软件的图像重建技术由于成本低，成为当前主要的图像重建研究方向[10]。如基于双线性插值的图像重建方法，基于超分辨率的图像重建方法，神经网络的图像重建方法，基于马尔科夫随机场模型的图像重建方法，基于邻域嵌入方法的图像重建方法等[11-13]，但是这些方法在实际中，都存在各自的缺陷和不足，如无法获得高精度的重建结果，存在图像重建错误大，时间长等不足，图像重建有待进一步研究[14-15]。

为了获得更加理想的图像重建结果，提出了基于虚拟现实技术的图像重建方法。首先采集原始图像，采用虚拟现实技术对图像进行处理，提高图像的信噪比，然后提取图像重建的特征，支持向量机根据特征进行图像重建，并与其他图像重建方法进行了对比实验，结果表明，本文方法的图像重建精度和重建效率均优于其他方法，有利于后续的图像处理研究。

1 基于虚拟现实技术的图像重建方法

1.1 虚拟现实技术对图像进行增强处理

由于采集的原始图像的清晰度不够，因此本文引入了虚拟现实技术中的滤波技术对原始图像进行处理，具体思想为：首先对原始图像进行低通滤波操作，可以对一些无用的信息进行去除，如噪声等，这样提高了图像质量，保留了边缘和细节，然后采用形态学滤波对去噪后的图像进行增强处理，提高图像的清晰度，便于后续图像特征提取操作，最终提升图像重建精度。

1.2 提取图像重建特征

采用小波变换对虚拟现实技术处理后的图像进行不同方向和尺度的分解，得到小波系数直方图分布h(C)，C表示图像的波段数量，小波系数幅值,如式(1)。

ps=∑C>Thh(C)

(1)

式中，Th表示阈值。

图像特征向量为{psi}，对特征向量进行降维处理,得到pw，如式(2)。

(2)

式中，μsi表示原始特征的均值。

对图像特征进行变换，从而得到图像重建特征集合。

1.3 支持向量机实现图像重建

1.3.1 支持向量机实现图像重建

支持向量机拟合函数,如式(3)。

f(x)=w·φ(x)+b

(3)

基于期望风险函数最小化原则，如式(4)。

(4)

建立的拉格朗日函数，简化问题的求解,如式(5)。

(5)

为了提升运行效率得到其对偶问题的求解形式，如式(6)。

s.t.

(6)

这样最后得到支持向量回归函数,如式(7)。

(7)

1.3.2 支持向量机实现图像重建

将提取的图像重建特征作为支持向量机的输入向量，图像重建期望效果作为输出，确定支持向量机的相关参数，通过支持向量机的学习拟合两幅图像之间特征关联，根据该关联进行图像重建，并输出图像重建结果。

2 仿真实验

2.1 实验环境

为了分析基于虚拟现实技术的图像重建方法的性能，对其进行仿真实验，采用实验环境,如表1所示。

表1 虚拟现实技术的图像重建实验环境

同时选择当前经典方法—文献[12]进行对比测试。

2.2 实验图像

为增强虚拟现实技术的图像重建结果的说服力，选择女孩、花作为研究对象进行仿真测试，如图1所示。

(a) 女孩

2.3 实验结果分析

2.3.1 图像重建结果对比

采用两种方法对图1中的图像进行重建，得出重建图像,如图2、图3所示。

(a) 女孩

对图2和图3的图像重建实验结果进行对比和分析可以发现，对比方法重建模图像的轮廓不清楚、模糊，并且图像边缘不连续、不光滑，有明显的瑕疵点，图像重建效果不理想，而本文方法的重建模图像的轮廓十分清晰，获得了比对方法更优的图像重建结果，这主要是本文方法引入了虚拟现实技术对图像进行了预处理，有利于后续的图像重建。