本文關(guān)鍵詞：高分辨率近似紋理圖像立體匹配技術(shù)研究

  更多相關(guān)文章： 雙目立體匹配 高分辨率 近似紋理 圖像分割 雙三次B樣條擬合 異步消息傳遞 混合式計(jì)算

【摘要】：立體匹配是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究課題之一,它試圖從兩張具有重疊區(qū)域的二維圖像中尋找同名點(diǎn),并將對(duì)應(yīng)信息記錄在一張視差圖中,結(jié)合攝像機(jī)參數(shù),即可從視差圖恢復(fù)出參考圖像的三維模型。如何根據(jù)立體圖像對(duì)準(zhǔn)確地計(jì)算參考圖像的視差圖是立體匹配的基本任務(wù),也是基于立體圖像對(duì)對(duì)場(chǎng)景進(jìn)行三維重建的關(guān)鍵。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展,雙目立體匹配技術(shù)也在越來(lái)越多的行業(yè)中得到應(yīng)用,如機(jī)器人測(cè)距、避障和考古行業(yè)中對(duì)文物和發(fā)掘場(chǎng)景的三維重建,本文研究即受到后者的啟發(fā)。實(shí)踐發(fā)現(xiàn),攝自考古發(fā)掘現(xiàn)場(chǎng)的立體圖像對(duì)有其特殊性,圖像中包含大量接近土色的近似紋理區(qū)域。在這些區(qū)域,搜索范圍中的待匹配點(diǎn)仍具有某些可區(qū)分的特征,但這需要應(yīng)用分辨能力更強(qiáng)的代價(jià)匹配函數(shù)才能準(zhǔn)確辨別。此外,為了得到分辨率更高的視差圖,立體匹配過(guò)程也需要采用對(duì)應(yīng)的高分辨率圖像進(jìn)行計(jì)算,而這些圖像的分辨率可以達(dá)到數(shù)百萬(wàn)乃至千萬(wàn)像素,已經(jīng)遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)立體匹配應(yīng)用圖像在十萬(wàn)至百萬(wàn)像素的級(jí)別。輸入數(shù)據(jù)量的增加對(duì)立體匹配算法的計(jì)算速度提出了更高的要求,許多研究者已經(jīng)意識(shí)到這個(gè)問(wèn)題,開(kāi)發(fā)計(jì)算效率更高的立體匹配算法也成為當(dāng)前立體匹配研究的一個(gè)重要方向。本文將上述應(yīng)用問(wèn)題歸納為一類較為一般的學(xué)術(shù)問(wèn)題—基于高分辨率近似紋理立體圖像對(duì)的立體匹配問(wèn)題,并從三個(gè)方面進(jìn)行了研究：(1)對(duì)具有更高辨析能力的代價(jià)匹配函數(shù)的研究。傳統(tǒng)的代價(jià)匹配函數(shù)具有初始代價(jià)計(jì)算與代價(jià)累積兩個(gè)階段,其中代價(jià)累積階段對(duì)于代價(jià)匹配函數(shù)的辨析能力具有決定性的作用。結(jié)合圖像分割技術(shù),本文提出了新的代價(jià)累積策略,并在兩種不同類型的初始代價(jià)算子,Census變換和自適應(yīng)支持權(quán)重策略上進(jìn)行了測(cè)試,實(shí)驗(yàn)結(jié)果表明,本文提出的代價(jià)累積策略顯著提高了代價(jià)匹配函數(shù)的辨析能力,在同類別代價(jià)匹配函數(shù)中達(dá)到了最低的平均誤差率。(2)對(duì)具有更好的平滑能力和適應(yīng)能力的全局優(yōu)化算法的研究。全局優(yōu)化算法以馬爾科夫-最大后驗(yàn)概率(MRF-MAP)框架為理論基礎(chǔ),通過(guò)求解一個(gè)能量函數(shù)來(lái)尋找每個(gè)位置的視差,置信度傳播(Belief Propagation)是其中應(yīng)用最廣的優(yōu)化方法。本文首先改進(jìn)了經(jīng)典的層次式置信度傳播算法,在其中加入了基于B樣條擬合的去噪與平滑模塊,獲得了更加平滑、精度更高的視差圖；還提出了一種基于異步消息傳遞的置信度傳播算法,算法在具有與經(jīng)典置信度傳播算法相當(dāng)?shù)氖諗克俣鹊幕A(chǔ)上,具備更好的去噪能力,耗費(fèi)的存儲(chǔ)空間也更小。另外,基于異步消息傳遞的置信度傳播方案,本文綜合幾種現(xiàn)有技術(shù)設(shè)計(jì)了一個(gè)完整的立體匹配算法并進(jìn)行了實(shí)驗(yàn),其平均誤差率當(dāng)時(shí)在標(biāo)準(zhǔn)測(cè)試集上排名第六。(3)對(duì)具有可擴(kuò)展性的混合式立體匹配方案的研究。本文首先分析了當(dāng)前研究者對(duì)加速立體匹配算法的研究進(jìn)展,然后設(shè)計(jì)了一種混合式立體匹配計(jì)算框架�？蚣懿捎昧水�(dāng)前應(yīng)用最廣泛的立體匹配技術(shù),如多核CPU和GPU加速技術(shù),基于平面擬合的視差估計(jì)技術(shù)等,并將這些技術(shù)進(jìn)行了有機(jī)的結(jié)合。使用本計(jì)算框架在局部和全局立體匹配算法上進(jìn)行了測(cè)試,結(jié)果表明,本框架能夠進(jìn)一步提高局部立體匹配算法的計(jì)算速度,也能夠有效降低全局立體匹配算法對(duì)于內(nèi)存的峰值需求。同時(shí),通過(guò)充分利用系統(tǒng)的多種計(jì)算資源,本框架也具有很高的擴(kuò)展性。本文對(duì)基于高分辨率近似紋理圖像對(duì)的立體匹配技術(shù)的研究涵蓋了立體匹配技術(shù)當(dāng)前的研究熱點(diǎn)問(wèn)題,并提出了行之有效的解決方案。實(shí)驗(yàn)結(jié)果表明,本文提出的多種解決方案是有效的,在基于標(biāo)準(zhǔn)數(shù)據(jù)集的測(cè)試中也取得了良好的效果。
【關(guān)鍵詞】：雙目立體匹配 高分辨率 近似紋理 圖像分割 雙三次B樣條擬合 異步消息傳遞 混合式計(jì)算
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-16
• 第1章 緒論16-26
• 1.1 本章提要16
• 1.2 立體視覺(jué)系統(tǒng)16-20
• 1.3 研究背景及研究意義、研究?jī)?nèi)容和研究方案20-23
• 1.3.1 研究背景及研究意義20-21
• 1.3.2 研究目標(biāo)和研究?jī)?nèi)容21-22
• 1.3.3 研究方案22-23
• 1.4 章節(jié)安排23-24
• 1.5 本章小結(jié)24-26
• 第2章 雙目立體匹配技術(shù)概念、研究現(xiàn)狀和研究趨勢(shì)26-50
• 2.1 本章提要26
• 2.2 立體匹配基本問(wèn)題26-34
• 2.2.1 立體匹配定義及術(shù)語(yǔ)26-27
• 2.2.2 體匹配原理27-30
• 2.2.3 如何求解立體匹配問(wèn)題30-33
• 2.2.4 立體匹配評(píng)價(jià)標(biāo)準(zhǔn)33-34
• 2.3 立體匹配算法分類及研究現(xiàn)狀34-44
• 2.3.1 稀疏匹配34
• 2.3.2 稠密匹配34-44
• 2.4 立體匹配技術(shù)研究趨勢(shì)總結(jié)44-48
• 2.4.1 匹配基元的選擇44-45
• 2.4.2 局部法發(fā)展趨勢(shì)45
• 2.4.3 全局法發(fā)展趨勢(shì)45-46
• 2.4.4 加速計(jì)算技術(shù)46-48
• 2.5 本章小結(jié)48-50
• 第3章 高辨析力代價(jià)計(jì)算函數(shù)研究50-70
• 3.1 本章提要50
• 3.2 圖像分割技術(shù)50-56
• 3.2.1 Mean-Shift圖像分割50-54
• 3.2.2 基于圖的分割54-56
• 3.3 基于分割區(qū)域的Census代價(jià)計(jì)算56-60
• 3.3.1 相關(guān)工作56-58
• 3.3.2 算法描述58-60
• 3.3.3 算法對(duì)比和實(shí)驗(yàn)60
• 3.4 基于分割區(qū)域的自適應(yīng)權(quán)重累積60-67
• 3.4.1 相關(guān)工作62-63
• 3.4.2 算法描述63-65
• 3.4.3 算法對(duì)比和實(shí)驗(yàn)65-67
• 3.5 算法分析67-68
• 3.6 本章小結(jié)68-70
• 第4章 基于置信度傳播的全局優(yōu)化算法70-96
• 4.1 本章提要70
• 4.2 立體匹配中的全局優(yōu)化算法70-71
• 4.3 使用雙三次B樣條擬合中間視差圖像71-73
• 4.3.1 相關(guān)工作71-72
• 4.3.2 擬合過(guò)程72-73
• 4.4 基于雙三次B樣條擬合的層次式置信度傳播73-82
• 4.4.1 相關(guān)工作73-74
• 4.4.2 HBP算法分析與新方案提出74-76
• 4.4.3 基于雙三次B樣條擬合的HBP76-78
• 4.4.4 實(shí)驗(yàn)結(jié)果78-82
• 4.5 基于異步消息傳播的置信度傳播82-93
• 4.5.1 相關(guān)工作82
• 4.5.2 算法描述82-86
• 4.5.3 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果86-93
• 4.6 算法分析93-94
• 4.7 本章小結(jié)94-96
• 第5章 混合式快速立體匹配計(jì)算框架96-110
• 5.1 本章提要96
• 5.2 研究背景96-97
• 5.3 相關(guān)工作97-98
• 5.3.1 立體匹配算法并行化97-98
• 5.3.2 加速的立體匹配算法98
• 5.3.3 總結(jié)98
• 5.4 計(jì)算框架設(shè)計(jì)和實(shí)現(xiàn)98-103
• 5.4.1 特征點(diǎn)提取與匹配98-99
• 5.4.2 基于圖分割技術(shù)的圖像分割99-100
• 5.4.3 任務(wù)分解與分配100-102
• 5.4.4 混合式立體匹配計(jì)算框架分析102-103
• 5.5 實(shí)驗(yàn)結(jié)果103-108
• 5.5.1 效率比較103-105
• 5.5.2 精度比較105
• 5.5.3 算法分析105-108
• 5.6 本章小結(jié)108-110
• 第6章 總結(jié)和展望110-114
• 6.1 本文工作總結(jié)110-111
• 6.2 未來(lái)工作展望111-112
• 6.3 結(jié)束語(yǔ)112-114
• 參考文獻(xiàn)114-130
• 攻讀博士學(xué)位期間主要的研究成果130-132
• 攻讀博士學(xué)位期間主要參與的項(xiàng)目132

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王肇捷,黃文劍;立體匹配的免疫算法[J];電腦與信息技術(shù);2001年04期

2 夏利民;谷士文;沈新權(quán);孫星明;;一種新穎的立體匹配方法[J];模式識(shí)別與人工智能;2001年04期

3 王小芳;閆光榮;雷毅;;彩色鏡像圖像的立體匹配方法[J];計(jì)算機(jī)工程;2008年18期

4 裴明濤;劉鵬;;一種基于圖割的快速立體匹配方法[J];北京理工大學(xué)學(xué)報(bào);2009年03期

5 盧思軍;唐振民;郭龍?jiān)?盧阿麗;;采用模糊判別的自適應(yīng)多窗口立體匹配[J];工程圖學(xué)學(xué)報(bào);2009年06期

6 李洪海;;一種改進(jìn)的快速立體匹配方法[J];自動(dòng)化與儀器儀表;2010年04期

7 林川;潘盛輝;韓峻峰;譚光興;李夢(mèng)和;;基于區(qū)域的立體匹配優(yōu)化方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年08期

8 胡楠;;立體匹配技術(shù)發(fā)展研究[J];信息通信;2012年05期

9 李竹林;張根耀;;基于特征的寬基線立體匹配技術(shù)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年05期

10 林靜;江開(kāi)勇;林俊義;李莉君;;基于立體校正的快速相位立體匹配[J];貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 趙慧潔;雷彥章;姜宏志;;基于投影柵相位的立體匹配方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

2 劉曉麗;徐光柱;雷幫軍;孫水發(fā);馮德鴻;;立體匹配技術(shù)研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 王躍宗;劉沖;李德勝;;彩色顯微圖像立體匹配研究[A];中國(guó)微米、納米技術(shù)第七屆學(xué)術(shù)會(huì)年會(huì)論文集（一）[C];2005年

4 付麗琴;韓焱;;基于立體匹配技術(shù)的射線圖像三維信息重建技術(shù)研究[A];第十一屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

5 李竹林;趙宗濤;王文發(fā);馬燕;;一種缺失攝像機(jī)標(biāo)定參數(shù)圖像的立體匹配方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 周秀芝;王潤(rùn)生;;基于自適應(yīng)窗口的稠密立體匹配[A];立體圖象技術(shù)及其應(yīng)用研討會(huì)論文集[C];2005年

7 賈濤;陳濤;楊潤(rùn)奎;;基于仿射不變量的長(zhǎng)基線立體匹配[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

8 左森;郭曉松;萬(wàn)敬;郭君斌;;Graph Cuts及其在立體匹配中的應(yīng)用[A];立體圖象技術(shù)及其應(yīng)用研討會(huì)論文集[C];2005年

9 李剛;曾榮盛;韓建濤;陳曾平;;基于雙向SIFT的未標(biāo)定圖像的立體匹配[A];全國(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

10 紀(jì)松;范大昭;初艷鋒;楊靖宇;;線陣遙感影像多視立體匹配中VLL模型的擴(kuò)展[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張康;基于圖像深度感知中的立體匹配和深度增強(qiáng)算法研究[D];清華大學(xué);2015年

2 黃經(jīng)州;高分辨率近似紋理圖像立體匹配技術(shù)研究[D];浙江大學(xué);2015年

3 柴登峰;面向三維可視通訊的立體匹配方法[D];浙江大學(xué);2006年

4 盧思軍;立體匹配關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2011年

5 胡騰;基于多通道置信度傳播算法的航空核線影像稠密立體匹配研究[D];武漢大學(xué);2013年

6 李莉;基于偏微分方程的立體匹配問(wèn)題研究[D];山東大學(xué);2011年

7 裴偉;顯微立體匹配及非接觸無(wú)損快速三維測(cè)量研究[D];大連理工大學(xué);2007年

8 葛亮;圖像建模中立體匹配問(wèn)題的研究[D];重慶大學(xué);2009年

9 耿英楠;立體匹配技術(shù)的研究[D];吉林大學(xué);2014年

10 劉正東;計(jì)算機(jī)視覺(jué)中立體匹配技術(shù)的研究[D];南京理工大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王龍;攝像機(jī)標(biāo)定與立體匹配技術(shù)的研究[D];河北大學(xué);2015年

2 劉榮軍;寬基線密集立體匹配方法研究[D];昆明理工大學(xué);2015年

3 朱守信;基于立體匹配片的國(guó)產(chǎn)衛(wèi)星影像無(wú)縫立體測(cè)圖方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

4 龐星;雙目立體匹配的理論研究及算法優(yōu)化[D];南京理工大學(xué);2015年

5 夏凱;雙目視覺(jué)立體匹配技術(shù)研究及其應(yīng)用[D];西安建筑科技大學(xué);2015年

6 王侃;人體頭部姿態(tài)參數(shù)測(cè)量[D];西安工業(yè)大學(xué);2015年

7 龔文彪;立體匹配技術(shù)的研究及其硬件化實(shí)現(xiàn)[D];南京理工大學(xué);2015年

8 邱明R，

本文編號(hào)：969094