基于改进KAZE双目视觉立体匹配算法的研究

发布时间：2017-07-13 16:10

  本文关键词：基于改进KAZE双目视觉立体匹配算法的研究

  更多相关文章： KAZE 双目视觉 立体匹配 随机KD树

【摘要】：视觉是人与生俱来的一种认知世界和观察世界的重要手段。人类从外部获取的全部信息中约有75%是来自视觉系统。与人类一样,计算机获取信息也越来越依靠本身的视觉系统。随着计算机视觉及图像处理技术的发展,二维的图像信息已不能满足工程的需求,而立体图像信息却弥补了这种不足。因此计算机双目视觉立体匹配的研究就变得很有意义。本文在介绍双目视觉立体匹配基本理论的基础上,通过对SIFT和KAZE两种立体匹配算法的对比分析后发现,KAZE凭借在光照强度变化下鲁棒性强和在视角变化下匹配率更高的特点,体现出其在双目视觉立体匹配中的优势。但是KAZE在双目视觉立体匹配中也存在不足,其运行时间过长,常常会造成获取信息的滞后。为了改进这种不足,本文在传统的KAZE基础上,优化了特征匹配的算法,使双目视觉立体匹配的效率有所提升。传统的KAZE立体匹配算法中,KD树搜索策略是特征匹配的关键。那么优化特征匹配时间,也就是优化KD树。传统的KD树在低维空间中搜索效率高,在高维空间中搜索速度慢,而KAZE算法中检测出的特征点集是基于高维空间的。针对这一问题,本文提出了一种随机KD树搜索算法。首先,根据参考图像和待匹配图像的特征点集随机生成具有不同方向上的KD树,也就是将特征点集进行旋转；其次,为了降低特征点集的时间复杂度,将旋转的特征点集进行Householder矩阵变换；最后,通过采用混合优先搜索队列的方法并行搜索随机生成的KD树。为了验证改进的KAZE算法是否能在双目视觉立体匹配中体现出作用,本文通过使用不同旋转角度、不同光照强度、不同视角的图像,分别用传统KAZE算法和改进KAZE算法对其进行了立体匹配。实验表明：在检测到相同特征点和图像匹配率的基础上,本文提出的算法缩短了运行时间,提高了执行效率。因此,改进的KAZE算法在不但能较好地解决双目视觉立体匹配问题,而且提高了执行效率。
【关键词】：KAZE 双目视觉 立体匹配 随机KD树
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-16
• 1.1 课题研究的背景及意义11-13
• 1.2 国内外研究现状与分析13-15
• 1.3 本文的研究内容及章节安排15-16
• 第二章 双目视觉立体匹配基本理论16-26
• 2.1 双目立体视觉原理16-19
• 2.1.1 基本概念和模型16-18
• 2.1.2 双目视觉中的视差原理18-19
• 2.2 摄像机标定19-24
• 2.2.1 概述19
• 2.2.2 摄像机成像模型19-20
• 2.2.3 摄像机标定方法20-24
• 2.3 立体匹配关键技术24-25
• 2.3.1 特征空间24
• 2.3.2 相似性度量24-25
• 2.3.3 搜索空间25
• 2.3.4 搜索策略25
• 2.4 本章小结25-26
• 第三章 SIFT和KAZE立体匹配算法对比分析26-48
• 3.1 SIFT算法26-29
• 3.1.1 尺度空间的生成26-27
• 3.1.2 空间极值点定位27-28
• 3.1.3 建立关键点特征描述28-29
• 3.1.4 特征点立体匹配29
• 3.2 KAZE算法29-35
• 3.2.1 非线性扩散滤波30-31
• 3.2.2 AOS算法31-32
• 3.2.3 非线性尺度空间的创建32-33
• 3.2.4 KAZE特征检测33-34
• 3.2.5 KAZE特征描述34-35
• 3.2.6 KAZE特征匹配35
• 3.3 SIFT与KAZE立体匹配实验对比分析35-47
• 3.3.1 实验准备工作35
• 3.3.2 实验数据分析对比35-47
• 3.4 本章小结47-48
• 第四章 基于KAZE立体匹配算法的改进及验证48-60
• 4.1 最近邻搜索48-51
• 4.1.1 K近邻算法48-49
• 4.1.2 K近邻算法的实现49-51
• 4.2 优化KD树的KAZE特征匹配算法51-59
• 4.2.1 基本原理论述51-52
• 4.2.2 实现算法是具体流程52-53
• 4.2.3 实验样本及方法53
• 4.2.4 实验结果及分析53-59
• 4.3 本章小结59-60
• 总结与展望60-61
• 参考文献61-64
• 攻读学位期间发表的论文64-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 于舒春;赵杰;蔡鹤皋;;立体匹配算法分阶段测试平台[J];计算机工程;2007年10期

2 白明;庄严;王伟;;双目立体匹配算法的研究与进展[J];控制与决策;2008年07期

3 于乃功;秦永钢;阮晓钢;;立体匹配算法进展[J];计算机测量与控制;2009年05期

4 牟雅丹;;立体匹配算法的比较[J];技术与市场;2009年12期

5 张令涛;曲道奎;徐方;;一种基于图割的改进立体匹配算法[J];机器人;2010年01期

6 刘亚竹;李逵;狄红卫;;一种改进的基于图割的立体匹配算法[J];微型机与应用;2012年07期

7 张志华;霍家道;刘会;;一种基于米字形窗口的区域立体匹配算法[J];科学技术与工程;2014年12期

8 周东翔,蔡宣平,孙茂印;基于模糊判别的立体匹配算法[J];中国图象图形学报;2001年04期

9 夏泽邑,刘冲,王跃宗,沙里瓦特;基于平均局部熵的显微立体匹配算法[J];仪器仪表学报;2003年S1期

10 高一宁;韩燮;;双目视觉中立体匹配算法的研究与比较[J];电子测试;2011年01期

中国重要会议论文全文数据库 前5条

1 贾波;章毓晋;张宁;林行刚;;一种二维搜索的立体匹配算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 夏泽邑;刘冲;王跃宗;沙里瓦特;;基于平均局部熵的显微立体匹配算法[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年

3 高月芳;朱同林;张佑生;偶春生;;一种改进的立体匹配算法[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

4 赵亮亮;黎宁;;一种基于全局约束的立体匹配算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

5 姜吉祥;屈玉福;;双目视觉立体匹配算法对比研究[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

中国博士学位论文全文数据库 前10条

1 朱松;基于图像分割的快速立体匹配算法研究[D];华中科技大学;2015年

2 张翔;基于可编程片上系统的实时立体匹配算法研究[D];浙江大学;2014年

3 陈彬;实时双目立体匹配算法研究与实现[D];武汉科技大学;2014年

4 翟振刚;立体匹配算法研究[D];北京理工大学;2010年

5 池凌鸿;立体匹配算法的研究和应用[D];中国科学技术大学;2011年

6 曹晓倩;面向病态场景图像对的立体匹配算法研究[D];中国科学院研究生院（西安光学精密机械研究所）;2014年

7 王玮;基于遮挡信息的局部立体匹配算法的研究[D];山东大学;2012年

8 施陈博;快速图像配准和高精度立体匹配算法研究[D];清华大学;2011年

9 刘赫伟;基于地面控制点和能量优化的鲁棒立体匹配算法研究[D];中国科学技术大学;2009年

10 郑志刚;高精度摄像机标定和鲁棒立体匹配算法研究[D];中国科学技术大学;2008年

中国硕士学位论文全文数据库 前10条

1 李峰;基于双目视觉的立体匹配算法研究及应用[D];燕山大学;2015年

2 赵茏菲;双目立体视觉中局部立体匹配算法研究[D];河北大学;2015年

3 刘婷婷;水下双目视觉立体匹配算法的研究[D];燕山大学;2015年

4 王琼;基于区域增长的立体匹配算法研究[D];西南交通大学;2015年

5 李娇;基于立体视觉的双目匹配[D];南京理工大学;2015年

6 罗艺彬;双目立体视觉中立体匹配算法的优化研究[D];哈尔滨工业大学;2015年

7 王知之;基于协同优化的立体匹配算法及其在三维电视的应用研究[D];电子科技大学;2014年

8 何树成;基于双目立体视觉的图像匹配算法研究[D];山西大学;2014年

9 龚文;基于动态规划的立体匹配算法研究[D];南昌航空大学;2015年

10 李艳云;基于双目视觉的彩色三维场景再现与3D显示[D];中国科学院研究生院(西安光学精密机械研究所);2015年

，

本文编号：537535