基于雙幅圖像的匹配算法及3D重建不確定性研究.pdf

1、計算機視覺是實現(xiàn)模式的自動識別即以計算機完成對視覺信息處理的科學,是基礎研究和應用研究中重大的挑戰(zhàn)之一.而圖像匹配由于其涉及的問題眾多,是計算機視覺中最困難、最關鍵的一步.為了認識影響3D重建精度的來源和規(guī)律,在計算機視覺系統(tǒng)中引入三維重建的不確定性描述是必要的.該文探索性地提出了一種基于梯度場相似性和鄰域膨脹的快速圖像匹配算法.用SUSAN法檢測到我們感興趣的特征一角點,改進的Scott和Longuet-Higgins算法完成角點的匹

2、配,進而進行基礎矩陣估計.從一點的某鄰域內(nèi)梯度場相似性出發(fā),利用極線約束完成全象素匹配.提出的鄰域膨脹方法能有效處理多候選點的問題,與傳統(tǒng)的利用連續(xù)性約束、匹配強度算法等相比能明顯加快匹配速度,自適應鄰域的匹配策略能夠保證較高的精度和可靠性,算法受光照條件的影響較小且適合不同尺度圖像.方法的多樣性及采用的分析工具的不同,建立統(tǒng)一的誤差分析模型并不現(xiàn)實.由于得到基于誤差傳播理論的重建不確定性顯式公式并沒有直觀性,該文在推導出三維重建擾動分

3、析模型的基礎上,應用多元分析的統(tǒng)計方法研究了圖像量化誤差、匹配誤差、標定誤差等對重建精度的影響.采用計算機仿真圖像進行實驗,向重建模型中輸入高斯噪聲進行擾動分析,這樣有利于對不確定性的評定.對三維重建點伸展不確定性的可視化也進行了探討.該文給出的擾動模型和多元分析的方法具有更大的通用性.對提出的匹配算法及重建不確定性研究的理論與方法,該文給出了其軟件實現(xiàn)及實例分析結果.介紹了模塊的整體設計并給出幾個關鍵問題的程序分析.實驗驗證了匹配算法