数据驱动的单幅照片建筑物立面深度恢复

"数据驱动的建筑物立面重建是利用计算机视觉技术和图像处理方法，从单幅照片中恢复建筑物立面的深度信息。这种方法通过分析建筑物窗户的对称性，构建马尔可夫随机场（Markov Random Field，MRF）模型来进行图像分割。分割后的图像被构建成图结构，每个分割区域作为图的一个节点，相邻节点之间有边相连。接着，通过图匹配算法，找到每个区域在数据库训练集中的最佳结构匹配，并对匹配结果进行优化，从而得到精确的立面重建结果。关键词包括墙面重建、深度恢复、马尔可夫随机场和图模型。" 本文是一篇发表在《计算机辅助设计与图形学学报》2015年第27卷第11期的研究论文，由韩福波、汪云海、南亮亮和陈宝权共同撰写。该研究得到了国家自然科学基金和国家重点基础研究发展计划的支持。作者们主要研究方向涵盖了计算机视觉、计算机图形学和可视化。 文章中提出的数据驱动的建筑物立面重建方法，首先利用了建筑物立面的几何特性，尤其是窗户的对称性，来构建马尔可夫随机场模型。这种模型能有效地处理图像中的局部和全局信息，帮助准确地分割出建筑立面的不同部分。随后，将分割结果构建成图，使得相邻的区域形成节点间的连接，这种图结构有利于分析和理解区域之间的关系。 在图模型的基础上，研究者采用了图匹配策略。这一策略旨在为每个分割区域找到最相似的结构模板，这些模板来自于预先训练好的数据库。匹配过程不仅考虑了形状和纹理的相似性，还可能涉及其他特征，如颜色、大小等。匹配结果经过优化后，可以提供更精确的深度信息，进而实现高质量的立面重建。 该研究对建筑领域的数字重建具有重要意义，可以应用于城市规划、建筑设计、文化遗产保护等多个领域。通过数据驱动的方法，可以从单一图像中提取复杂的三维信息，降低了重建的复杂性和成本，提高了效率。同时，这种方法对于理解和分析城市环境，以及历史建筑的保护和修复都提供了有力的技术支持。