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

More documents

Recommendations

Info

$Page 1 %XODQÕN 6 ]JHo LOH *|U QW 6WDELOL]DV\RQX M ...$

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.
Şekil 4: (üst) Şekil 3(b)’de işaretlenmiş bölge, (orta) süzgeçleme işlemleri sonrasında aynı bölge,(alt) ölçeklenmiş imge üzerindeki aynı bölge Sonraki aşamada her bir çizginin yansıtılan çizgiden ne kadar saptığının tespit edilmesi yoluyla derinlik bilgisinin elde edilmesi gerekmektedir. Bu amaçla yüz bölgesindeki çizgiler, kamera-projeksiyon kalibrasyonundan [7] elde edilen referans çizgilerle karşılaştırılarak derinlik bilgisi çıkarılmıştır. Şekil-7’de elde edilen derinlik bilgisi verilmektedir. Bu aşamadan sonra elde edilen derinlik bilgilerinden 3-B modele geçmek için üçgenleme (triangulation) işleminin gerçekleştirilmesi gerekmektedir. Bu amaçla Delaunay üçgenleme [8] yaklaşımı kullanılmıştır. 2.3. 3-D Model Deformasyonu Bu çalışma kapsamında üçgenleme sonrası modelin doku bindirilmiş halinde (3-B model üzerinde) çeşitli işlemler yapılması üzerine de çalışılmıştır. Bu işlemler için yaygın olarak kullanılan OpenGL [9-10] yazılım arayüzünün kullanılması tercih edilmiştir. Modelin kullanıcı arayüzünde Şekil 5: (üst) Şekil-3(b)’deki imgede tepe noktalara karşılık gelen piksellerin RGB uzayındaki dağılımı, (alt) I w nın tepe noktalara karşılık gelen piksellerinin RGB uzayında dağılımı Şekil 6: Renklerin sınıflandırılması ve doğrulanması sonucu oluşan imge gösterilmesi için modeli oluşturan üçgenlerin koordinatları ve renk bilgileri OpenGL ortamında oluşturulmaktadır. Bu aşamada öteleme ve döndürme fonksiyonlarıyla modele istenilen açıdan ve noktadan bakılması sağlanmaktadır. Bu aşamadan sonra model üzerinde değişiklik yapma işlemleri gerçekleştirilebilir. Deformasyon işlemi temelde modeli oluşturan üçgenleri 3-B uzayda değiştirmeye karşılık gelmektedir. Bu uygulamada kullanıcının deformasyonun yapılacağı alanı bilgisayar faresi ile seçmesi gerekmektedir. Deformasyonun yapılacağı bölge belirlendikten sonra yapılması gereken deformasyonun biçimini ve büyüklüğünü belirlemektir. Uygulamada deformasyon şekli olarak küre ve benzeri yumuşak yüzeye sahip biçimler seçilmiştir. Ayrıca deformasyon şiddetinin seçilen noktadan uzakltıkça azalması
Page 1: 3-B Yüz Modelleme ve Yerel Deforma

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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?