Abstract. Reflectance transformation imaging (RTI) is a multilight-based imaging technique that can provide relevant information on both local microgeometry and visual appearance of a studied surface. The pixelwise angular reflectance is modeled to allow the relighting of the surface appearance under any arbitrary light direction. The primary methods used to model this local reflectance in each pixel are polynomial texture mapping, hemispherical harmonics, and, more recently, discrete modal decomposition. For all these methods, a uniform distribution of the light positions over the hemisphere is an implicit hypothesis. However, it is not always possible to satisfy this condition in practice. As a result of this nonuniform distribution, several artifacts can affect the reconstruction and alter the quality of the visual appearance assessment. To address this issue, we propose a methodology consisting of the estimation of the spatial distribution of the lighting directions used during RTI acquisitions based on a local density estimation. These local density values are used afterward to weight the least square regression and thus correct the contributions of each image to the RTI acquisition. This methodology is applied on three surfaces with visual singularities, which present different reflectance responses. From the presented results, it can be concluded that it is necessary to take into account this nonuniformity in order not to alter the quality of reconstruction/relighting from RTI data and the subsequent inspection task.

中文翻译：

---

基于自适应局部密度估计的反射变换成像光源空间分布标定

摘要。反射变换成像 (RTI) 是一种基于多光的成像技术，可以提供有关研究表面的局部微观几何和视觉外观的相关信息。像素角度反射率被建模以允许在任何任意光方向下重新照亮表面外观。用于对每个像素中的这种局部反​​射进行建模的主要方法是多项式纹理映射、半球谐波，以及最近的离散模态分解。对于所有这些方法，光位置在半球上的均匀分布是一个隐含的假设。然而，在实践中并不总是能够满足这个条件。由于这种不均匀分布，一些伪影会影响重建并改变视觉外观评估的质量。为了解决这个问题，我们提出了一种方法，包括基于局部密度估计来估计 RTI 采集期间使用的照明方向的空间分布。这些局部密度值随后用于对最小二乘回归进行加权，从而校正每个图像对 RTI 采集的贡献。该方法应用于具有视觉奇点的三个表面，它们呈现不同的反射响应。从呈现的结果可以得出结论，有必要考虑这种不均匀性，以免改变 RTI 数据和后续检查任务的重建/重新照明的质量。我们提出了一种方法，包括基于局部密度估计来估计 RTI 采集期间使用的照明方向的空间分布。这些局部密度值随后用于对最小二乘回归进行加权，从而校正每个图像对 RTI 采集的贡献。该方法应用于具有视觉奇点的三个表面，它们呈现不同的反射响应。从呈现的结果可以得出结论，有必要考虑这种不均匀性，以免改变 RTI 数据和后续检查任务的重建/重新照明的质量。我们提出了一种方法，包括基于局部密度估计来估计 RTI 采集期间使用的照明方向的空间分布。这些局部密度值随后用于对最小二乘回归进行加权，从而校正每个图像对 RTI 采集的贡献。该方法应用于具有视觉奇点的三个表面，它们呈现不同的反射响应。从呈现的结果可以得出结论，有必要考虑这种不均匀性，以免改变 RTI 数据和后续检查任务的重建/重新照明的质量。该方法应用于具有视觉奇点的三个表面，它们呈现不同的反射响应。从呈现的结果可以得出结论，有必要考虑这种不均匀性，以免改变 RTI 数据和后续检查任务的重建/重新照明的质量。该方法应用于具有视觉奇点的三个表面，它们呈现不同的反射响应。从呈现的结果可以得出结论，为了不改变 RTI 数据和后续检查任务的重建/重新照明的质量，有必要考虑这种不均匀性。