基于寬基線的弱紋理特征點(diǎn)提取與描述方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)與高分辨率CCD數(shù)碼相機(jī)技術(shù)的高速發(fā)展，其靈活、快捷以及非接觸等優(yōu)勢(shì)使其成為獲取三維空間信息的主要方式之一。該領(lǐng)域涉及模式識(shí)別，尋優(yōu)算法，數(shù)字圖像處理等多學(xué)科的理論方法。從不同視角對(duì)同一場(chǎng)景進(jìn)行拍攝，對(duì)所采集的圖像序列進(jìn)行三維圖象匹配是該領(lǐng)域的關(guān)鍵問(wèn)題之一，也是后續(xù)數(shù)據(jù)分析、三維重建的基礎(chǔ)。但傳統(tǒng)的特征點(diǎn)提取方法不能直接應(yīng)用于弱紋理圖像的三維匹配，因此弱紋理圖像的三維匹配成為計(jì)算機(jī)視覺亟待解決的難點(diǎn)之一。本論文圍繞這個(gè)難點(diǎn)

2、主要完成以下工作，包括：
　?。?）介紹了特征點(diǎn)提取與匹配方法的基本原理，對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行詳細(xì)綜述；概述了三維重建的關(guān)鍵技術(shù)，介紹了模式識(shí)別相關(guān)方法和理論及應(yīng)用，包括：稀疏表示、graph cuts算法以及SIFT特征點(diǎn)檢測(cè)算法，為本文所研究的基于寬基線的弱紋理特征點(diǎn)的提取與匹配算法奠定理論基礎(chǔ)。
　?。?）提出了一種基于稀疏表示的弱紋理圖像特征點(diǎn)匹配方法。該方法利用弱紋理區(qū)域的局部自相似性提取圖像中自相似性較高的點(diǎn)作為

3、相應(yīng)的特征點(diǎn)；另一方面，由于弱紋理特征不鮮明，因而較難找到一種合適的特征描述子，這導(dǎo)致傳統(tǒng)的基于歐氏距離的特征點(diǎn)匹配方法并不適用?；谙∈璞硎镜奶卣鼽c(diǎn)匹配方法對(duì)特征描述子的選取不敏感，且具有較強(qiáng)的穩(wěn)定性及魯棒性。實(shí)驗(yàn)結(jié)果表明該方法對(duì)弱紋理特征點(diǎn)的匹配準(zhǔn)確率要遠(yuǎn)高于傳統(tǒng)的基于歐式距離的匹配方法。
　?。?）提出了一種基于紋理合成的特征點(diǎn)提取方法。將傳統(tǒng)特征提取算子及匹配方法進(jìn)行擴(kuò)展，使其能夠在圖像弱紋理區(qū)域中提取到相應(yīng)的特征點(diǎn)并進(jìn)行

4、準(zhǔn)確的匹配。該方法以紋理合成算法為基礎(chǔ)，并采用仿射變換將所合成的紋理分別覆蓋到圖像對(duì)的弱紋理區(qū)域中，此外，為了確保覆蓋后的紋理具有特征不變性，我們采用圖割算法（graph cuts）對(duì)所提取到的特征點(diǎn)對(duì)進(jìn)行修正，通過(guò)采用這種粗匹配到精確匹配相結(jié)合的特征點(diǎn)匹配方法，建立了一種基于紋理合成的弱紋理特征點(diǎn)匹配機(jī)制。實(shí)驗(yàn)證明了本方法在擴(kuò)展傳統(tǒng)特征點(diǎn)提取方法的基礎(chǔ)上，具有較高的匹配準(zhǔn)確率，適用于寬基線下弱紋理區(qū)域的稠密匹配。
　?。?）提出

5、了一種基于Meanshift的特征點(diǎn)描述機(jī)制。傳統(tǒng)的深度圖像大多是在窄基線的情況下所生成的，不具有通用性，并且受限制條件過(guò)多。盡管傳統(tǒng)的特征點(diǎn)提取方法可應(yīng)用在寬基線情況下，但其所提取的特征點(diǎn)周圍一般都具有較強(qiáng)的紋理特征，而現(xiàn)實(shí)環(huán)境中往往存在大量的弱紋理區(qū)域，從而導(dǎo)致該方法較難應(yīng)用于實(shí)際。為此，我們根據(jù)每一點(diǎn)周圍的紋理強(qiáng)度，采用Meanshift算法找出其對(duì)應(yīng)的區(qū)域，根據(jù)該區(qū)域給出對(duì)應(yīng)的特征描述子，最后，利用極線約束在極線上搜索匹配的特征