法线积分：综述
计算机视觉与模式识别
2017-09-19 v1
摘要
对高效法线积分方法的需求由若干计算机视觉任务驱动，如由明暗恢复形状、光度立体、偏转测量等。在本综述的第一部分，我们基于对 Horn 和 Brooks [28] 以及 Frankot 和 Chellappa [19] 两项开创性工作的深入研究，选出了人们可能期望法线积分方法具备的最重要属性。除精度外，积分方法至少应快速且对噪声法线场鲁棒。此外，它应能处理若干类型的边界条件，包括自由边界的情况，以及任意形状（即未必是矩形）的重建域。若需调谐的参数最少、甚至无需参数，也备受赞赏。最后，它应保留深度不连续性。在第二部分，我们据此分析回顾了大多数现有方法，并得出结论：它们均不满足所有要求的属性。本工作由一篇题为《法线积分的变分方法》的姊妹篇补充，其中我们聚焦于存在深度不连续性时的法线积分问题，该问题一旦出现遮挡即会发生。
引用
@article{arxiv.1709.05940,
title = {Normal Integration: A Survey},
author = {Yvain Quéau and Jean-Denis Durou and Jean-François Aujol},
journal= {arXiv preprint arXiv:1709.05940},
year = {2017}
}