基于改進(jìn)KAZE雙目視覺立體匹配算法的研究.pdf

1、視覺是人與生俱來的一種認(rèn)知世界和觀察世界的重要手段。人類從外部獲取的全部信息中約有75％是來自視覺系統(tǒng)。與人類一樣，計算機(jī)獲取信息也越來越依靠本身的視覺系統(tǒng)。隨著計算機(jī)視覺及圖像處理技術(shù)的發(fā)展，二維的圖像信息已不能滿足工程的需求，而立體圖像信息卻彌補(bǔ)了這種不足。因此計算機(jī)雙目視覺立體匹配的研究就變得很有意義。
　　本文在介紹雙目視覺立體匹配基本理論的基礎(chǔ)上，通過對SIFT和KAZE兩種立體匹配算法的對比分析后發(fā)現(xiàn)，KAZE憑借在光

2、照強(qiáng)度變化下魯棒性強(qiáng)和在視角變化下匹配率更高的特點，體現(xiàn)出其在雙目視覺立體匹配中的優(yōu)勢。但是KAZE在雙目視覺立體匹配中也存在不足，其運行時間過長，常常會造成獲取信息的滯后。為了改進(jìn)這種不足，本文在傳統(tǒng)的KAZE基礎(chǔ)上，優(yōu)化了特征匹配的算法，使雙目視覺立體匹配的效率有所提升。
　　傳統(tǒng)的KAZE立體匹配算法中，KD樹搜索策略是特征匹配的關(guān)鍵。那么優(yōu)化特征匹配時間，也就是優(yōu)化KD樹。傳統(tǒng)的KD樹在低維空間中搜索效率高，在高維空間中搜

3、索速度慢，而KAZE算法中檢測出的特征點集是基于高維空間的。針對這一問題，本文提出了一種隨機(jī)KD樹搜索算法。首先，根據(jù)參考圖像和待匹配圖像的特征點集隨機(jī)生成具有不同方向上的KD樹，也就是將特征點集進(jìn)行旋轉(zhuǎn);其次，為了降低特征點集的時間復(fù)雜度，將旋轉(zhuǎn)的特征點集進(jìn)行Householder矩陣變換;最后，通過采用混合優(yōu)先搜索隊列的方法并行搜索隨機(jī)生成的KD樹。
　　為了驗證改進(jìn)的KAZE算法是否能在雙目視覺立體匹配中體現(xiàn)出作用，本文通過