光度立体视觉是计算机视觉中的一个重要分支,其根据一组不同光照下物体的二维图像恢复其表面形状。该方法要求输入图像视点与物体相对固定,而光照方向不同,根据图像的灰度信息,恢复物体表面的法向量场和几何形状。常见的光度立体视觉系统由单相机、多个光源组成,经典光度立体技术首先对多个光源进行标定,标定的方法通常采用对已知的三维物体如球体的反射特性计算光源的入射方向,从而对多个光源一一标定。再由光源信息和对象的反射特性建立合适的模型求解其表面形状。光源的标定是一个繁琐的过程,人们更想省略这个步骤。现实中的智能终端如智能手机、平板电脑上一般仅有单个光源(闪光灯),无法满足经典光度立体技术的条件。针对这一问题,本文提出一种新的基于智能终端的未标定光度立体视觉方法,该方法仅需一个相机和一个光源从不同视角拍摄N幅物体图像作为输入数据,由于图像视角不固定,提出首先从N幅图像中选取一幅图像作为正视角,求取剩余N-1幅图像到正视角的单应性矩阵,并利用单应性矩阵变换对N-1幅图像进行图像配准,使N幅图像都处于同一视角。在得到同一视角不同光照的N幅图像之后,结合未标定光度立体视觉技术,可以在无需标定光源的情况下,仅使用终端设备的自带功能即可得到物体表面高质量的重建结果。当仅由一组光源信息和表面形状未知的物体图像恢复其法向和表面的光度立体视觉问题称为未标定光度立体视觉(Uncalibrated Photometric Stereo,UPS)。在郎伯反射模型中,图像灰度信息、法向量、反射率和光源向量可以构成一个约束等式,该等式的求解是一个不确定的问题,需引入一些假设来对模型进行求解。利用奇异值分解(Singular Value Decomposition,SVD)和表面可积性约束可以将模型求解缩小为对通用浅浮雕(Generalized bas-relif,GBR)变换矩阵的估计。求解GBR参数是未标定光度立体视觉问题的一般方向。本文提出总变差正则化函数和对反射率图建立熵值最小化函数联合估计GBR参数,实验表明本文提出的方法能够准确估计出GBR模型参数。