3-B Yüz Modelleme ve Yerel Deformasyonlar 3-D Face Modeling ...

örüntüsünden alınan görüntüyle sağlanmıştır. Böylece
kamera geometrisinden ve lens bozunumundan kaynaklanan
hatalar düzeltilmiştir.
Yüksek çözünürlükte 3B modellemenin yapılabilmesi
için öncelikle yüksek çözünürlükte derinlik bilgilerinin elde
edilmesi gerekmektedir. Ancak, bu işlemlerinin işlemsel
yükünün fazla olması, derinlik bilgisi çıkarımı için kullanılan
derinlik betimleyici örüntünün önemini arttırmaktadır.
Bu çalışmada kullanılan derinlik betimleyici örüntü
[4]’tekinden farklı olarak Şekil 2(a)’da görüldüğü gibi
çizgiler arası ayırt ediciliği en büyükleyecek yedi ayrı
renkten oluşmaktadır [3]. Böylece ani derinlik değişimi olan
bölgelerin takibi [4]’teki yönteme göre kolaylaşmaktadır.
Yüze yansıtılan örüntüdeki karşıtlığın yüksek olması, daha
iyi sonuçların alınmasını sağlamaktadır [3]. Ancak,
projektördeki her bir renk kanalının diğer kanalları
etkilemesiyle renk girişiminin oluşması [6], karşıtlığı fiziksel
olarak sınırlamaktadır. Bu nedenle kullanılan her örüntü
bileşeninin (üç satır) arasında iki satır siyah örüntü (geçiş
örüntüsü) oluşturulmuştur. Böylece örüntüdeki renk girişimi
engellenip, karşıtlık olabildiğince yüksek tutulmaya
çalışılmıştır. Şekil 2(c)’de yukarıda açıklanan yapıdaki
örüntü kullanılarak elde edilen bir ham test imgesi
görülmektedir.
2.2. Yöntem
Çalışmanın akış şeması Şekil-3(a)’da verilmiştir. Yüz
bölgesinin belirlenmesi aşamasında kullanıcı desteği ile yüz
bölgesi işaretlenmektedir. Bu aşamada elde edilen görüntü
Şekil-3(b)’de verilmiştir. Bu yöntemde derinlik bilgisinin
elde edilmesi için kullanılan yaklaşımda öncelikle imgedeki
gürültüleri yok etmek ve renk takibini kolaylaştırmak için 2B
kumsaatimsi alçak geçiren süzgeç (2D hourglass shaped lowpass
filter) ve 1B bant geçiren süzgeç kullanılarak hem yatay
şeritlerin olabildiğince yumuşatılması sağlanmış hem de
şeritlerin düşey düzlemdeki farklarını arttırarak görüntü
[3]’deki gibi iyileştirilmiştir. Burada süzgeçlenmiş imgede
her bir renk kanalının tepe noktasının tespiti ve bunların
takibi gerekmektedir. Bu nedenle her bir renk şeridinin 3 renk
kanalı (RGB) için de tepe noktaları hesaplanmıştır.
Sonrasında üç renk kanalının tepe noktaya ulaştığı yerlerin
ortalaması alınarak her bir renk şeridinin ortalama tepe
noktası [3]’dekine benzer şekilde hesaplanmıştır.
Şeritlerin düşeydeki tepe noktaları hesaplandıktan sonra,
orijinal imge (Şekil-3(b))’de bu noktalara karşılık gelen
piksellerin renklerinin belirlenmesi gerekmektedir. İlgili
piksellerin projektörden yansıtılan örüntüdeki 7 ayrı renge
sınıflandırılması için [3]’de uygulanan KMeansLineFit
algoritması kullanılmıştır. Bu algoritma piksellerin RGB
uzayındaki dağılımına göre 3B uzayda sınıflandırma
yapmaktadır. Şekil-3(b)’deki imgenin hesaplanan tepe
noktalara karşılık gelen piksellerinin RGB uzaydaki dağılımı
Şekil-5’te verilmiştir. Burada yedi farklı renge ilişkin
kümeler kabaca görülmektedir. Bu aşamada kullanılan
KMeansLineFit yöntemi her bir pikselin hangi renge ait
olduklarının kararını vermektedir. Ancak yapılan deneyler
sırasında genlik değeri düşük olan piksellerde sınıflandırma
başarımının istenenden düşük olduğu gözlemlenmiştir. Bu
nedenle bu çalışmaya özgün olarak orijinal imge I (Şekil-
3(b)), süzgeçlenmiş imge I f ile gösterilmek üzere,
Iw I I f w şeklinde w çarpanı ile bir ölçekleme
yaparak elde edilen I w üzerinde KMeansLineFit yöntemi
yeniden çalıştırılmıştır.
(a)
(b) (c)
Şekil 2: (a) Kullanılan örüntünün bir bölgesi (90 derece
döndürülmüş)[3], (b) örüntü yansıtılmadan çekilen imge
(doku bilgisi için), (c) 3-B modelleme sistemiyle elde edilen
ham imge.
(a)
(b)
Şekil 3: (a) Önerilen yöntemin akış şeması[3], (b) Yüz
bölgesinin belirlenmesi.
Bu durumda önceki aşamada sorun yaratan piksellerin daha
doğru şekilde sınıflandığı görülmüştür. Şekil-5’te ölçekleme
yapılmış imgenin renk dağılımı verilmiştir.
Bu aşamadan sonra da KMeansLineFit yöntemi
tarafından hatalı olarak sınıflanan pikseller bulunmaktadır.
Düzgün bir 3-B modelin oluşturulabilmesi için bu etkilerinde
de giderilmesi gerekmektedir. Bu amaçla öncelikle
KMeansLineFit işlemi sonrası tek renge sahip en büyük şerit
bulunmaktadır. Bu şerit yardımıyla bütün imge yukarı ve
aşağı yönde taranır ve şeritler sıralanır. Bu yöntemle aynı
şeride ait olduğu saptanan fakat farklı renklere sahip parçalar
bulunursa, bu parçalar arasında oylama yapılır ve çoğunluk
rengi bütün şeride atanır. KMeansLineFit yöntemiyle renkleri
yüksek doğrulukla ayırt edebiliyor olmamız oylama
yönteminin sorunsuz işlemesini sağlamaktadır. Renk
doğrulaması yapıldıktan sonra, eğer varsa birden fazla
parçadan oluşan şeritler (kaş, sakal ve kirpik gibi ışığı
soğuran ve dağıtan, burun gibi keskin derinlik değişimi olan
bölgelerde oluşan kopukluklar nedeniyle) doğrusal bir
aradeğerleme işlemiyle birleştirilir. Bu aşamada elde edilen
görüntü Şekil-6’da verilmiştir.