光线干扰过滤法生成真实感游戏人物图形的研究

覃海宁

摘 要：在采用虚拟现实技术进行游戏人物图形设计中，游戏人物图形受到光线干扰导致人物图形设计出现五官及身体形态的结构偏移失真，人物图形的真实感不够，提出一种基于光线干扰过滤法和动态小生境重构的游戏人物虚拟成像生成方法。采用人体轮廓线边缘检测方法搜集大量人体动作并进行动态信息特征提取，对重构的游戏人物动作图像进行边缘增强和角点锐化处理，采用自适应中值滤波方法进行光线干扰过滤，结合动态小生境技术进行游戏人物图形的五官特征渲染和身体形态的动态追踪，进行游戏人物的动态信息配准，生成真实感的游戏人物图形。仿真结果表明，采用该方法进行游戏人物图形生成与虚拟现实重建，游戏人物的真实感较强，五官特征的信息表达能力丰富，身体形态结构偏移较小，图形生成过程具有较好的抗干扰能力。

关键词：光线 干扰滤波 游戏人物 图形 虚拟现实 动态小生境

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2017）06（c）-0144-05

Abstract：Game characters of graphic design in the use of virtual reality technology， the game graphics characters by light interference resulting in character graphic design structure offset facial features and body shape distortion， realistic graphics characters is not enough， a game character virtual image generation method of light interference filtering method and dynamic niche based reconstruction. By detection methods the body contour edge to collect a large number of human motion and dynamic feature extraction， image reconstruction of the action game characters of edge enhancement and corner sharpening， using adaptive median filtering method for light interference filter， game character graphics combined with dynamic niche technique， facial features and body shape rendering dynamic tracking dynamic information registration game character， generating realistic game character graphics. The simulation results show that the recovery Game characters graphics and virtual reality reconstruction using this method， the game characters are realistic and features information abundant expression， body shape and structure in a small shift， graphics generation process has good anti-interference ability.

Key Words：Light； Interference filter； Game characters； Graphics； Virtual reality； Dynamic niche

在大型動漫游戏设计中，游戏人物设计是关键，游戏人物在整个游戏中扮演着主体的角色，随着视景仿真技术和虚拟现实（Virtual Reality， VR）成像技术的发展，需要采用VR技术设计游戏人物图形，能准确刻画游戏人物的表情、神态、五官以及动态等特征，再结合视景仿真技术和动态小生境技术，使得游戏玩家能够感受到身临其境的感觉，并沉浸其中的虚拟环境中，提高游戏场景的真实性。对游戏人物图形的生成方法设计是整个游戏开发的关键，游戏人物的图形生成方法是建立在基于虚拟环境三维模型基础上，采用三维几何建模软件进行建模[1]，结合虚拟现实技术进行图像处理，提高生成游戏人物的逼真度和真实感，研究游戏人物图形的生成方法受到虚拟现实仿真和图像处理等领域专家学者的极大重视。

传统方法中，对真实感游戏人物图形的生成方法主要采用小生境技术[2]，在特定环境下通过图像边缘检测滤波和自适应信息融合实现真实感游戏人物的图像角点匹配和信息配准，利用衍射原理再现游戏人物图像的肢体和五官特征信息，通过全息投影方法反应成像物体的显影、定影等信息特征[3]，在虚拟现实的仿真工具中生成虚拟游戏人物图形，提高成像效果，取得了一定的研究成果，其中，文献[4]中提出一种基于动态小生境半径两阶段多模态差分进化的动态游戏人物的重建方法，采用多尺度差分插值方法进行像素序列重排，提高对多模态人物图形的动态特征追踪能力，但该方法对人物图形亮点区域分割中容易出现扰动误差，特别是在光线干扰下游戏人物生成的真实感不强；文献[5]中提出一种基于模拟退火算法优化的超分辨率游戏人物的激光全息投影VR重建技术，采用全息图压缩方法进行游戏人物的像素特征降维，通过仿射变换和Harris角点检测方法进行游戏人物图形的超分辨特征提取和重构，结合模拟退火方法进行人物的面部特征渲染，提高了图形重建的分辨率和逼真度，但该方法受到光线干扰容易导致人物图形设计出现五官及身体形态的结构偏移失真，人物图形的真实感不够。endprint

针对上述问题，本文提出一种基于光线干扰过滤法和动态小生境重构的游戏人物虚拟成像生成方法。首先采用人体轮廓线边缘检测方法搜集大量人体动作并进行动态信息特征提取，对重构的游戏人物动作图像进行边缘增强和角点锐化处理，庵后采用自适应中值滤波方法进行光线干扰过滤，结合动态小生境技术进行游戏人物图形的五官特征渲染和身体形态的动态追踪和动态信息配准，生成真实感的游戏人物图形。最后进行仿真测试，展示了该文方法在实现游戏人物图形生成方面的优越性。

1 人体动作搜集与动态特征提取

1.1 游戏人物人体轮廓线边缘检测

为了实现对真实感游戏人物图形重建，首先采用人体轮廓线边缘检测方法搜集大量人体动作并进行动态信息特征提取，假设游戏人物的动作特征点有N个点，其中任意一个点的二维坐标为，则游戏人物动作行为空间可以表达为一个高维向量。采用边缘轮廓检测方法进行游戏人物的规范性动作特征提取，收集大量人体动作，将每个游戏人物的动作完成过程通过矢量分解方法进行向量转化，形成游戏人物的动作向量库[6]。

将所有的游戏人物行为特征样本点映射到低维空间中，通过智能视觉融合方法进行量化跟踪，得到游戏人物图形的成像空间必须满足以下条件：

2 真实感游戏人物图形生成实现

2.1 改进设计原理及预处理

在上述采用人体轮廓线边缘检测方法搜集大量人体动作并进行动态信息特征提取的基础上，进行游戏人物图形生成方法改进设计，为了抑制光线干扰产生的生成误差，提高游戏人物图形VR成像和虚拟重构的真实感，提出一种基于光线干扰过滤法和动态小生境重构的游戏人物虚拟成像生成方法，对游戏人物的动作信息进行VR成像配准[9]，配准过程分为粗配准和精配准两层配准模式，在光线干扰下，采用中值滤波方法进行光线干扰抑制，再通过五官特征渲染和身体形态的动态追踪方法实现游戏人物的虚拟现实重构，根据上述图形生成方法的改进设计原理，得到本文设计的游戏人物图形生成的实现过程框图如图2所示。

3 仿真实验与结果分析

为了测试该文方法在实现虚拟游戏人物VR成像生成中的应用性能，进行仿真实验，实验的硬件系统内存为3 GB的PC计算机，软件采用Matlab 2012和VC++软件编程设计，利用Visual C++7.0、Vega Prime2.2.1、Multigen Creator仿真空间进行游戏人物的3D几何模型建模和视景仿真，正则化参数设定为100，游戏人物VR成像的分辨率为250*250，游戏人物动作变化的曲率参数为1.25，三维邻近点数k设定为16，人物图形生成的初始位置坐标值为（0，0），Harris角点检测的迭代阈值设置为0.95，根据上述仿真环境和参量设定，进行游戏人物图形生成仿真实验，采用人体轮廓线边缘检测方法搜集大量人体动作，得到不同游戏行为模式下游戏人物重建的关键特征点提取结果如图3所示。

以图3采集的游戏人物图形动作特征为例，通过边缘轮廓检测方法搜集大量人体动作并进行动态信息特征提取，采用本文方法进行游戏人物VR重建，在光线干扰下，得到游戏人物的生成结果如图4所示。

图4的生成结果可以看出，游戏人物虚拟成像受到光线干扰，导致人物图形成像的噪点较多，真实感不强，采用本文方法进行边缘增强和角点锐化处理，采用自适应中值滤波方法进行光线干扰过滤，得到过滤后的游戏人物生成结果如图5所示。

对比图5和图4结果可见，通过光线过滤，提高了图形的成像效果，最后结合动态小生境技术进行游戏人物图形的五官特征渲染和身体形态的动态追踪，实现真实感游戏人物图形生成，得到最后的生成结果如图6所示。

分析图6结果得知，该文方法生成的虚拟游戏人物的成像效果较好，对人物的五官特征渲染和身体形态的动态追踪性能较好，五官特征的信息表达能力丰富。为了定量测试不同方法的性能，表1列出了采用不同方法进行游戏人物生成的输出信噪比和结构偏移对比结果，分析得知，采用该文方法生成游戏人物图形，图形的信噪比较高，说明图形质量较好，形体结构偏移较小，该图形VR生成技术能准确模拟人物的形体动作。

4 结语

该文研究了虚拟游戏人物的VR图形生成技术，提出一种基于光线干扰过滤法和动态小生境重构的游戏人物虚拟成像生成方法。采用人体轮廓线边缘检测方法搜集大量人体动作并进行动态信息特征提取，对游戏人物动作图像进行边缘增强和角点锐化处理，采用自适应中值滤波方法进行光线干扰过滤，结合动态小生境技术进行游戏人物图形的五官特征渲染和身体形态的动态追踪，进行游戏人物的动态信息配准，生成真实感的游戏人物图形。研究得知，该文方法进行游戏人物图形生成与虚拟现实重建，游戏人物的真实感较强，形体结构偏移较小，具有较好的抗光线干扰能力，生成图形的质量较高。

参考文献

[1] 刘世瑛，黄峰，张雏，等.成像不均匀性对复眼超分辨率重构的影响[J].激光杂志，2015，36（9）：83-86.

[2] ORTIZ A，GORRIZ J M，RAMIREZ J， et al. Improving MR brain image segmentation using self-organising maps and entropy-gradient clustering[J].Information Sciences，2014，262（3）：117-136.

[3] Ihsan A Kareem， Mehdi G Duaimi. Improved accuracy for decision tree algorithm based on unsupervised discretization[J].Int J of Computer Science and Mobile Computing，2014，3（6）：176-183.

[4] 張贵军，陈铭，周晓根.动态小生境半径两阶段多模态差分进化算法[J].控制与决策，2016，31（7）：1185-1191.

[5] 任宏德.基于模拟退火算法优化的超分辨率图像重建[J].激光杂志，2016，37（2）：38-41.

[6] 蒋政，程春玲.基于Haar特性的改进HOG的人脸特征提取算法[J].计算机科学，2017，44（1）：303-307.

[7] BENGIO Y，COURVILLE A，VINCENT P. Representation learning：a review and new perspectives[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（8）：1798-1828.

[8] 王文博，殷宏，解文彬，等.基于硬件细分的层次细节地形渲染算法[J].计算机应用，2015，35（6）：1716-1719.

[9] 李旭超，宋博，甘良志.改进的迭代算法在图像恢复正则化模型中的应用[J].电子学报，2015，43（6）：1152-1159.

[10] 蔺素珍，朱小红，王栋娟，等.基于嵌入式多尺度变换的多波段图像融合[J].计算机研究与发展，2015，52（4）：952-959.endprint