三維重建是將攝像機(jī)采集的真實場景的圖像數(shù)據(jù),利用計算機(jī)自動進(jìn)行計算和構(gòu)建三維幾何模型,力求從二維圖像信息中恢復(fù)出三維空間信息的過程。近年來,三維重建在虛擬現(xiàn)實、智能駕駛、智能家居、醫(yī)學(xué)治療、文物保護(hù)等領(lǐng)域受到了科研工作者們的密切關(guān)注,因此針對三維重建過程中的關(guān)鍵技術(shù)和難點的研究具有重要的現(xiàn)實意義。圖像特征點匹配是三維重建過程中至關(guān)重要的一步,匹配結(jié)果的精度直接影響后續(xù)三維重建的效果。本文在整理相關(guān)領(lǐng)域科研人員的研究成果與資料的基礎(chǔ)上,重點研究了三維重建中的圖像特征點匹配這一關(guān)鍵問題,從提高三維重建中圖像特征點提取和初始匹配的性能、優(yōu)化誤匹配點剔除方法方面展開了研究。本文主要內(nèi)容包括:（1）針對傳統(tǒng)SIFT算法描述符維度過高而導(dǎo)致重建時間過長的問題,本文提出了一種改進(jìn)SIFT的特征點提取與初始匹配方法。本文在對圖像預(yù)處理的基礎(chǔ)上,首先使用SIFT算法檢測每個關(guān)鍵點的具體位置,同時利用Sobel算子計算圖像的梯度,對每個像素賦予了新的梯度定義;然后將原方形網(wǎng)格替換為八個同心圓環(huán)結(jié)構(gòu),基于同心圓鄰域生成64維的描述符;最后在初始匹配策略上提出了一種基于鄰域投票的特征點初始匹配方法,利用距離和... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

三維重建在不同領(lǐng)域中的應(yīng)用Figure1-1Applicationof3Dreconstructionindifferentfields

SIFT特征描述Figure3-7SIFTfeaturedescription

工程碩士專業(yè)學(xué)位論文26Step3.對半徑不同的同心圓環(huán)以特征點為中心利用梯度累積法表示特征描述符，對每個圓環(huán)的從0到360均勻分布的(0,45,90,135,180,225,270,315)8個方向分別計算其梯度累積值，最終在8個圓環(huán)內(nèi)生成6488特征向量，即64維描述符；Step4.對生成的64維特征向量進(jìn)行單位歸一化操作，以減少光照對其產(chǎn)生的影響。圖3-11給出了優(yōu)化生成的同心圓鄰域的特征描述符，由公式(3-11)和公式(3-12)可以得到主方向和描述符生成過程中特征點的梯度值。與原SIFT128維的描述符相比，簡化的描述符可以更加豐富地描述圖像紋理細(xì)節(jié)信息，能進(jìn)一步突顯特征點的獨(dú)特性，特征描述符的維度減少了50%，可以有效降低運(yùn)算的復(fù)雜度。圖3-11改進(jìn)SIFT的特征描述符Figure3-11ImprovedSIFTfeaturedescriptors圖3-12改進(jìn)SIFT的特征點提取結(jié)果Figure3-12ImprovedSIFTfeaturepointextractionresults改進(jìn)SIFT的提取的特征點如上圖所示，提取的特征點保留了圖像的局部結(jié)構(gòu)特性，數(shù)量也多于傳統(tǒng)SIFT算法且分布比較均勻，保留了SIFT的優(yōu)良特性，改進(jìn)的算法則減少了不穩(wěn)定的點，同時提取出額外顯著的點。3.3基于鄰域投票的特征點初始匹配（FeaturePointInitialMatchingBasedonNeighborhoodVoting）通過上文我們從圖像中提取出相應(yīng)的特征及其描述符，接下來需要在這些圖像之間尋找相似的特征矢量，從而確定對應(yīng)的匹配項。對于三維重建來說，需要從不同角度拍攝的圖像來完全覆蓋場景，為了將這些圖像完全關(guān)聯(lián)在一起，特征

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的SIFT鄰域投票圖像匹配算法[J]. 程德強(qiáng),李騰騰,郭昕,白春夢,徐輝.  計算機(jī)工程與設(shè)計. 2020(01)
[2]Novel Similarity Measurements for Reassembling Fragmented Image Files[J]. WU Xianyan,HAN Qi,NIU Xiamu,ZHANG Hongli.  Chinese Journal of Electronics. 2019(02)
[3]基于圖像梯度信息強(qiáng)化的SIFT特征匹配算法改進(jìn)[J]. 孫健鈞,趙巖,王世剛.  吉林大學(xué)學(xué)報(理學(xué)版). 2018(01)
[4]結(jié)合改進(jìn)粒子群算法的RANSAC精確匹配方法[J]. 呂鐵鋼,張亞,李世中.  機(jī)械與電子. 2017(07)
[5]基于RANSAC的特征點匹配算法[J]. 馬麗麗,曹春梅,陳金廣,王星輝.  計算機(jī)工程與設(shè)計. 2016(07)
[6]基于像素點灰度差的Harris角點檢測算法[J]. 王民,周兆鎮(zhèn),李昌華,衛(wèi)銘斐,毛力.  計算機(jī)工程. 2015(06)
[7]基于同形變換的航空傾斜影像自動匹配方法[J]. 趙霞,朱慶,肖雄武,李德仁,郭丙軒,張鵬,胡翰,丁雨淋.  計算機(jī)應(yīng)用. 2015(06)
[8]一種新的結(jié)合環(huán)狀區(qū)域劃分的特征描述子[J]. 黎劍兵,肖瀟,李小平,侯曉麗.  西安電子科技大學(xué)學(xué)報. 2016(02)
[9]基于計算機(jī)視覺的玉米果穗三維重建方法[J]. 王傳宇,郭新宇,吳升,肖伯祥,杜建軍.  農(nóng)業(yè)機(jī)械學(xué)報. 2014(09)
[10]一種改進(jìn)的Sobel自適應(yīng)邊緣檢測的FPGA實現(xiàn)[J]. 寧賽男,朱明,孫宏海,徐芳.  液晶與顯示. 2014(03)

博士論文
[1]基于序列圖像的三維重建算法研究[D]. 彭科舉.國防科學(xué)技術(shù)大學(xué) 2012

碩士論文
[1]基于AKAZE算法的三維重建研究[D]. 夏宇.南京郵電大學(xué) 2019
[2]基于SFM的多源目標(biāo)三維重構(gòu)方法研究[D]. 王靜.西安電子科技大學(xué) 2018
[3]基于便攜式相機(jī)圖像的三維重構(gòu)中特征點匹配算法研究[D]. 張朋濤.浙江工業(yè)大學(xué) 2018
[4]基于改進(jìn)SURF和RANSAC的視頻拼接算法研究[D]. 厲航.中國礦業(yè)大學(xué) 2018
[5]基于點線特征的RGB-D SLAM系統(tǒng)研究[D]. 劉志洋.華南理工大學(xué) 2018
[6]基于序列圖像的三維重建技術(shù)研究[D]. 馬文超.哈爾濱工程大學(xué) 2018
[7]基于SFM的建筑物三維重建技術(shù)研究及應(yīng)用[D]. 王楠.東北石油大學(xué) 2017
[8]基于光場成像的三維圖像特征點提取與匹配[D]. 王曉飛.北方工業(yè)大學(xué) 2015
[9]基于SIFT的圖像拼接和特征提取的研究[D]. 戴維理.電子科技大學(xué) 2015
[10]實時視頻圖像拼接技術(shù)研究與系統(tǒng)實現(xiàn)[D]. 周玉潔.華中科技大學(xué) 2015



本文編號：3471255