臉部模型特征遷移的研究與實現(xiàn).pdf

1、本論文主要研究臉部模型特征遷移過程中遇到的困難，現(xiàn)有解決方法，這些方法存在的不足及對這些方法進行改進。
　　 臉部模型是計算機動畫中經常使用的一類模型。由于臉部模型幾何結構復雜，特征信息繁多，目前通常使用特征遷移的辦法來構建臉部模型。特征遷移能夠在一個良好的模板模型上重構臉部的幾何信息，大大提高了計算機動畫制作過程中對人物建模的自動化程度，提升了計算機動畫的制作效率。
　　 特征遷移過程中，需要輸入兩個模型：通過人工方法

2、構造的拓撲良好的模型稱為模板模型，攜帶幾何特征信息但拓撲不理想的模型稱為目標模型。對于特征遷移的實現(xiàn)算法，目前的研究者大體上遵循拉普拉斯特征遷移算法和迭代最近點算法兩種思路。
　　 其中，拉普拉斯特征遷移算法對于模型拓撲的要求比較高：模板模型和目標模型都必須是拓撲優(yōu)良的，不能有數據漏洞，否則無法實現(xiàn)特征遷移。出現(xiàn)這一問題的原因是該算法采用了基于參數化的紋理映射，而很多時候，通過掃描構造的臉部模型都是不可參數化的，模型上存在著大量

3、數據漏洞。這一缺陷大大降低了算法的實用性。
　　 而迭代最近點算法雖然可以做到連續(xù)平滑的變形和自動修補數據漏洞。但當臉部模型存在尖銳特征點時，算法易陷入局部最優(yōu)，使模板模型的變形失真，無法得到尖銳效果，變形結果在形狀上與目標模型存在較大的差距。出現(xiàn)該問題的原因是ICP算法依賴于最近點搜索算法的正確性，而在模型的尖銳特征點處，最近點搜索常常產生較大的誤差導致算法失效。
　　 綜合兩種思路的優(yōu)點，針對其存在的缺陷，本文提出基

4、于拉普拉斯平滑的雙次迭代最近點算法。本文的算法既能夠在尖銳特征點處實現(xiàn)模型的良好遷移，又不需要模板模型和目標模型都具有優(yōu)良的拓撲，還能自動修補目標模型上的數據漏洞。
　　 本文的研究貢獻主要包括以下幾個方面：
　　 1)指出ICP算法在形狀適應能力上的缺陷并使用提取拉普拉斯特征紋理的方法優(yōu)化ICP迭代的初值，從而避免在對模板模型進行變形的過程中出現(xiàn)的在尖銳特征點處遷移效果差的問題。
　　 2)使用ICP方法實現(xiàn)特