La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Reflectance Model for Metallic Paints Using a Two-Layer Structure Surface with Microfacet Distributions Un modèle de réflectance pour les peintures métalliques utilisant une surface structurée à deux couches avec des distributions de microfacettes

Gang Yeon KIM, Kwan H. LEE

  • Vues en texte intégral

    0

  • Citer

Résumé:

Nous présentons une nouvelle méthode permettant de représenter avec précision la réflectance des peintures métalliques à l’aide d’un modèle de réflectance à deux couches avec des fonctions de distribution de microfacettes échantillonnées. Nous modélisons la structure des peintures métallisées simplifiée par deux couches : une surface de liant qui suit une distribution de microfacettes et une sous-couche qui suit également une distribution de facettes. Dans la sous-couche, les réflectances diffuse et spéculaire représentent respectivement les pigments colorés et les paillettes métalliques. Nous utilisons une méthode itérative basée sur le principe de relaxation de Gauss-Seidel qui ajuste de manière stable les données mesurées à notre modèle hautement non linéaire. Nous optimisons le modèle en traitant les termes de distribution des microfacettes comme une forme non paramétrique linéaire par morceaux afin d'augmenter son degré de liberté. Le modèle proposé est validé en l'appliquant à différentes peintures métallisées. Les résultats montrent que notre modèle a de meilleures performances d'ajustement par rapport aux modèles utilisés dans d'autres études. Notre modèle offre une meilleure précision grâce aux termes non paramétriques utilisés dans le modèle, et permet également d'analyser efficacement les caractéristiques des peintures métalliques grâce à la forme analytique intégrée dans le modèle. Les termes non paramétriques pour la distribution des microfacettes dans notre modèle nécessitent des données densément mesurées, mais pas pour l'ensemble du domaine BRDF (fonction de distribution de réflectance bidirectionnelle), afin que notre méthode puisse réduire la charge d'acquisition des données pendant la mesure. En particulier, cela devient efficace pour un système qui utilise un système de mesure basé sur un échantillon courbe qui nous permet d'obtenir des données denses dans le domaine des microfacettes par une seule mesure.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.11 pp.3076-3087
Date de publication
2010/11/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.3076
Type de manuscrit
PAPER
Catégories
Reconnaissance d'images, vision par ordinateur

Auteurs

Mots-clés

Table des matières