【導(dǎo)讀】的發(fā)明與技術(shù)的進(jìn)步?？茖W(xué)技術(shù)的變革不斷地將人們的幻想變?yōu)楝F(xiàn)實。訓(xùn)練模擬、醫(yī)學(xué)診斷等許多實踐領(lǐng)域。當(dāng)然，目前的技術(shù)水平還不能使人們在操。相反，正是VR技術(shù)的應(yīng)用使人們能夠仿真模擬各種復(fù)雜、危險、代價高的。實驗情況，從而節(jié)省了大量的財力、物力和人力，并保證了人的生命安全。學(xué)家和企業(yè)家預(yù)測，VR技術(shù)將引起未來人類生活的變革[Watt98]。虛擬現(xiàn)實是一項九十年代孕育發(fā)展起來的、極具潛力的核心技術(shù)。夠帶來對科學(xué)和工程領(lǐng)域中許多挑戰(zhàn)性問題的深入認(rèn)識和解決。設(shè)備將人帶到該環(huán)境中，最終實現(xiàn)人與虛擬環(huán)境間直接自然的交流。本論文力圖從VR對計算機(jī)圖形學(xué)的要求和激勵方面出。VR應(yīng)用要求繪制系統(tǒng)能根據(jù)用戶視點和視。表現(xiàn)為一個寬視角的立體顯示器，這是產(chǎn)生“沉浸感”。目前最流行的是頭盔顯示器HMD。比如HMD的頭部跟蹤器應(yīng)能準(zhǔn)確即時地反饋觀察者所處的位置和。一定程度上限制了VR技術(shù)的應(yīng)用推廣。本節(jié)將從VR的上述目的出?，F(xiàn)，也是一項宏大的“工程”。

　　

【正文】 向和范圍用仰角 ?和方位角 ?定義，見圖 。λ代表人眼感受到的波長。如果是動態(tài)場景， t 代表時間。 圖 全視函數(shù)的參數(shù)化 基于全視函數(shù)的 IBMR 方法試圖捕獲空間任意區(qū)域內(nèi)的完全光流以重建該函數(shù)。這一思想固然很好，但是實踐中要在每一時刻、每一方向?qū)鼍暗乃悬c進(jìn)行度量是極其不方便的。因此，現(xiàn)有的方法都是通過一些有向的離散采樣來重構(gòu)連續(xù)的全視函數(shù) P，然后通過在新的視點位置重新取樣該函數(shù)來繪制新的視圖。另一方面，同時考慮所有七個參數(shù)比較困難，故目前所 有的方都通過增加約束來簡化全視函數(shù)。如固定視點、固定時刻，或者約束環(huán)境等。例如考慮視點處 360176。的球形環(huán)境映照。該函數(shù)可描述成以下等式： ???? 10 )()( Mk kV VBPVP k 其中 V 是視點， PVk 是函數(shù)在視點 Vk 的取樣， Bk 是相應(yīng)于視點的基函數(shù)。但是球形環(huán)境映照不適合計算機(jī)表示。 第一章 引 言 15 PlenOptic Modeling 是第一個基于全視函數(shù)的系統(tǒng) [McMillan95]，作者將該函數(shù)描 述 為 由 三 維 空 間 位 置 ),( zyx VVV 和 二 維 方 向 ),( ?? 決 定 的 參 數(shù) 函 數(shù)),( zyx VVVP ?? 。這是一個柱面全景圖的集合。并且如前所述，該方法也利用立體視覺技術(shù)來解決對應(yīng)問題，并通過插值合成新的柱面全景圖。 QuickTime VR 也是基于柱面全景圖的 IBMR 系統(tǒng)，它是第一個商業(yè)產(chǎn)品 [Chen95]。 QuickTime VR提供方便的著作工具和環(huán)境瀏覽工具，但是它只能通過熱點 (Hot spots)在不同的環(huán)境映照之間切換。 (a) (b) 圖 離開和進(jìn)入一封閉自由空間的光流 SIGGRAPH’96 上提出了兩種非常近似的方法：光場繪制 (light field rendering) [Levoy96]和 Lumigraph[Gortler96]。基于“自由空間中沿一條光線傳遞的輻射能不變”的假設(shè)，它們把 5D 全視函數(shù)簡化為描述離開或進(jìn)入一封閉自由空間 (如空立方體 )的完全光流分布 (如圖 所示 )。這是一個 4D函數(shù) L(u,v,s,t)。這兩種方法的最大優(yōu)點在于： ?可以不需要立體對應(yīng)關(guān)系，從而避免了立體視覺所面臨的問題；?由于只考慮視流信息，因此不必對反射 屬性作假設(shè)； ?表示模式簡單有效，既便于控制和計算，又能夠均勻取樣。這兩種方法的缺點是它們只解決了沒有遮擋的、光照固定的、靜態(tài)對象的表示及繪制問題；而且沒有解決完全的虛擬環(huán)境漫游問題；只適合小場景的描述。 Wong, ，使它能夠考慮動態(tài)的、變化光源的場景表示 [Wong97]。但這一成功是以繁重的動態(tài)采樣為代價的，因此對于真實場景來說不現(xiàn)實。作者也只給出擬合場景的例子。另外，國內(nèi)也有同行對全視函數(shù)做了有益的改進(jìn) [ Li98, Tang97]。 一種新的 IBMR 實現(xiàn)機(jī)制的提出 u v s t浙江大學(xué)博士論文 16 不可否認(rèn)，以上所介紹的這幾類方法對改善場景的表示、加速圖形的繪制進(jìn)行了有益的探索和嘗試，為進(jìn)一步研究 IBMR 方法奠定了基礎(chǔ)。與此同時，我們也注意到這些 IBMR 方法所暴露的問題和局限。這些問題曾在 節(jié)中討論過，這里主要歸納為： 1) 計算機(jī)視覺的問題，如參考圖象中對應(yīng)關(guān)系的建立、幾何的重構(gòu)、相機(jī)的定標(biāo)等； 2) 圖象處理的問題，如去噪、采樣、變換、編碼等； 3) 繪制問題，如繪制的速度、可見性問題等等。 本論文對上述的一些問題進(jìn)行了思考，提出了一套新的建模和繪制機(jī)制 —— 小波空間的 IBMR 實現(xiàn)策略。這主要出于以下幾方面 考慮： 首先，基于圖象的方法自始至終都在對圖象進(jìn)行操作，而圖象本身可看作是一個連續(xù) /離散的二維信號，因此啟發(fā)我們?nèi)ソ梃b信號處理的成果。 其次，圖象信號的很多特性在通常的歐氏空間里難以捕捉和分析，譬如能量分布、噪聲、頻率分析，等等。但如果把圖象信號變換到頻率空間，這些特征便變得一目了然。事實上，已經(jīng)有信號處理技術(shù)用于圖象分析，例如 FFT 變換用于圖象壓縮、濾波、去噪等。而小波分析 (wavelet analysis)的運用更克服了付里葉變換的缺點。 再有，小波變換一方面具有很好的空域和頻域局部性，而且可以在線性時 間內(nèi)完成。另一方面小波多分辨率分析已使得很多圖形學(xué)問題得以有效的解決。例如光線跟蹤、輻射度算法、體繪制、紋理映射、 LOD(level of detail)等。 對于上面所提出的基于小波的建模和繪制機(jī)制的詳細(xì)討論和理論分析我們將在第二章和以后的章節(jié)中具體闡述。 論文工作的意義和貢獻(xiàn) 論文工作的意義在于：為加速圖象的合成、提高繪制質(zhì)量嘗試了一種嶄新的IBMR 實現(xiàn)策略；同時也為小波在圖形學(xué)中的應(yīng)用探索了新的方向。 論文的貢獻(xiàn)主要體現(xiàn)在以下幾個方面： 第一章 引 言 17 ? 對 IBMR方法進(jìn)行了綜述，分析了 IBMR方法與基于幾何方 法的各自特點，比較了已有的 IBMR 方法；對小波的基本理論、特點和它在圖形學(xué)中的應(yīng)用進(jìn)行了綜述。在此基礎(chǔ)上，提出了基于小波空間的 IBMR 實現(xiàn)策略。 ? 給出了 IBMR 方法在小波空間中實現(xiàn)的可行機(jī)制，包括純圖象的和圖象與幾何混合的兩種模式。 ? 提出了一個基于復(fù)值小波分析的圖象拼合算法，它把拼合過程中計算密集的圖象整合算法放到復(fù)值小波空間內(nèi)完成，這樣做的好處是保證了匹配算法是平移不變和旋轉(zhuǎn)不變的，同時也加快了匹配算法的速度。該算法用于基于全景圖的環(huán)境表示中。 ? 提出了基于視覺感知的小波系數(shù)過濾方法。該方法用于圖象整合算法 大大地降低了數(shù)據(jù)和計算的復(fù)雜度，用于壓縮可獲得不同細(xì)節(jié)的控制。 ? 提出了一個基于小波空間的圖象合成方法。該算法利用立體視覺中的極約束和基本矩陣關(guān)系，實現(xiàn)了基于小波的視圖變形算法。這樣做比圖象空間中的近似算法快幾乎三倍。 ? 分析了不同小波基的特點，比較了他們對圖形結(jié)果的不同影響。 ? 提出了一個基于小波的混合模型表示方法。它利用基于雙正交小波的表面LOD 技術(shù)來表示場景的前景和背景，其中前景可以是任意拓?fù)漕愋偷木W(wǎng)格，背景是柱面全景圖表示的環(huán)境映照。 小結(jié) 在這一章里，我們介紹了 IBMR 方法產(chǎn)生的背景；它與傳統(tǒng)的 基于幾何的繪制方法的不同特點；分析比較了現(xiàn)有的 IBMR 方法；最后提出了一種基于小波的IBMR 實現(xiàn)的設(shè)想。接下來的一章里，我們將闡述基于小波的 IBMR 機(jī)制產(chǎn)生的理論依據(jù)，包括小波的概念，基本的小波理論和特點，小波在圖形學(xué)中的成功應(yīng)用等。 論文其余各章的內(nèi)容安排如下： 第二章介紹小波的基本理論、特點，及它在圖形學(xué)中的應(yīng)用，目的在于提出基于小波的 IBMR 建模和繪制機(jī)制 . 浙江大學(xué)博士論文 18 第三章介紹基于小波的圖象拼合算法。 第四章介紹基于小波的視圖變形方法。 第五章介紹基于小波的混合模型表示方法。 第六章是對論文工作的總結(jié)以及對 IBMR 技術(shù)今后的展望。