Vector Fileld Smoothing Via Heat Flow

Abstract

• 本文展示了如何将满足Lmbeert定律的恢复表面法线的问题转化为解决稳定状态定律的问题。
• 根据这张图片，通过采用标量场的梯度，可以找到平滑法线的平滑场。
• 标量场的热方程可以使用简单的有限差分方法求解，并导致矢量估计的迭代过程。

Introduction

• 在处理从噪声图像数据中进行向量场恢复的一个重要方式是进行平滑处理。
• 平滑过程的一个重要问题是保持底层向量场的微分结构，同时满足数据贴近度的约束。
• 实际上，数据紧密度约束有时可以与矢量的个体组成部分相关联。
• 在阴影形状中，当假设为朗伯反射时，光源方向上的曲面法线分量被约束为等于归一化图像亮度的反余弦。
• 出于光流计算的目的，经常使用亮度约束。
• 在形状 - 阴影中，简单的正则化方法已被证明是过度平滑的表面正态场，并且这个问题可以通过统计推断的鲁棒正则化方法或梯度一致性约束来实现。
• 在光学流场估计中，Perona和Malik提出的图像正则化的各向异性扩散方法极大地影响了现有算法。
• 我们提出了平滑矢量场的问题，即解决受Lambert定律约束的热量方程的问题。
• 表面法线场的z分量受Lambert定律约束，等于归一化图像亮度的反余弦，矢量的其余分量由标量势的梯度给出。
• 利用散度定理的一个简单的变分分析表明，标量势的时间导数由图像强度的平均值给出。

Heat Flow