[发明专利]花卉浮雕模型构建方法及基于线条图的花卉浮雕重建方法

权利要求书

1.花卉浮雕模型构建方法，其特征在于包括如下步骤：

采集多个不同种类的花卉三维模型；

对于每个花卉三维模型，进行滤波去噪处理，对去噪后的花卉三维模型进行不同视角变换并进行高度采样，对高度采样后的花卉三维模型进行线性压缩并进行高度场优化，得到花卉浮雕；

对于每个花卉浮雕，获取场景遮罩、线条遮罩、曲率遮罩、平均曲率值和线条梯度值作为输入数据，并获取高度值和顶点的法向值作为输出数据；

将上述输入数据和输出数据作为样本数据，并划分为训练集和验证集；

基于深度学习构建网络模型，所述网络模型包括收缩路径、扩展路径以及连接于收缩路径和扩展路径之间的中间路径，收缩路径以及中间路径用于减小分辨率并增加输出特征通道，扩展路径用于增加分辨率并减少输出特征通道数；

以训练集为输入，优化所述网络模型的参数、完成输入通道到输出通道的映射训练，得到优化后网络模型，并以验证集为输入，验证所述优化后网络模型的参数，得到最终的浮雕网络模型；

对高度采样后的花卉三维模型进行线性压缩后，通过最小化能量方程优化高度场，所述能量方程为：

其中，第一项为梯度规则项，▽d_i表示优化后的高度场梯度，g_i表示原始高度场梯度；

第二项为全局高度约束项，d_i表示优化后的高度，表示压缩后的高度，ρ表示能量项系数；

第三项为叶片边缘处的高度约束项，d_j表示优化后的叶片边缘高度，表示压缩后叶片边缘上的高度，μ表示能量项系数；

所述收缩路径包括N个依次连接的下采样单元，下采样单元用于减小分辨率并增加输出特征通道，N为自然数，大于等于1；所述扩展路径包括N+1个依次连接的上采样单元，上采样单元用于增加分辨率并减少输出特征通道数，上述N+1个上采样单元中位于传输末端的上采样单元为末端上采样单元，其他为中间上采样单元，中间上采样单元与下采样单元一一对应并串联；

每个下采样单元均包括：

第一卷积层，所述第一卷积层配置有Same填充函数，用于提取特征；

第二卷积层，所述第二卷积层配置有Relu激活函数，用于提取特征；

池化层，所述池化层为最大池化层，用于进行下采样；

每个中间上采样单元均包括三层卷积层，所述末端上采样单元包括一层卷积层；

所述中间路径包括三层卷积层；

通过最小化损失函数优化浮雕网络模型、完成输入通道到输出通道的映射训练，所述损失函数为：

E＝E_{d_n}+τ·E_{d_line}+λ·E_reg

其中，d_i,j表示预测的高度值，n_i,j表示预测的法向，

表示ground-truth的高度值，表示ground-truth的法向；

c_i,j表示场景遮罩，θ_d表示平衡高度的系数，θ_n表示法向的系数；

α_i,j表示线条遮罩；

nx_i,j、ny_i,j和nz_i,j表示预测法向，gx_i,j、gy_i,j和gz_i,j表示预测高度的梯度；

其中，d表示预测高度值，steo_size表示三角网格与像素点之间的步长转换，所述steo_size归一化为[-1,1]范围内；τ和λ均表示平衡项。