三维重建中的图像特征点匹配方法研究
发布时间：2021-11-02 03:33
三维重建是将摄像机采集的真实场景的图像数据,利用计算机自动进行计算和构建三维几何模型,力求从二维图像信息中恢复出三维空间信息的过程。近年来,三维重建在虚拟现实、智能驾驶、智能家居、医学治疗、文物保护等领域受到了科研工作者们的密切关注,因此针对三维重建过程中的关键技术和难点的研究具有重要的现实意义。图像特征点匹配是三维重建过程中至关重要的一步,匹配结果的精度直接影响后续三维重建的效果。本文在整理相关领域科研人员的研究成果与资料的基础上,重点研究了三维重建中的图像特征点匹配这一关键问题,从提高三维重建中图像特征点提取和初始匹配的性能、优化误匹配点剔除方法方面展开了研究。本文主要内容包括:（1）针对传统SIFT算法描述符维度过高而导致重建时间过长的问题,本文提出了一种改进SIFT的特征点提取与初始匹配方法。本文在对图像预处理的基础上,首先使用SIFT算法检测每个关键点的具体位置,同时利用Sobel算子计算图像的梯度,对每个像素赋予了新的梯度定义;然后将原方形网格替换为八个同心圆环结构,基于同心圆邻域生成64维的描述符;最后在初始匹配策略上提出了一种基于邻域投票的特征点初始匹配方法,利用距离和...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
三维重建在不同领域中的应用Figure1-1Applicationof3Dreconstructionindifferentfields
SIFT特征描述Figure3-7SIFTfeaturedescription
工程硕士专业学位论文26Step3.对半径不同的同心圆环以特征点为中心利用梯度累积法表示特征描述符，对每个圆环的从0到360均匀分布的(0,45,90,135,180,225,270,315)8个方向分别计算其梯度累积值，最终在8个圆环内生成6488特征向量，即64维描述符；Step4.对生成的64维特征向量进行单位归一化操作，以减少光照对其产生的影响。图3-11给出了优化生成的同心圆邻域的特征描述符，由公式(3-11)和公式(3-12)可以得到主方向和描述符生成过程中特征点的梯度值。与原SIFT128维的描述符相比，简化的描述符可以更加丰富地描述图像纹理细节信息，能进一步突显特征点的独特性，特征描述符的维度减少了50%，可以有效降低运算的复杂度。图3-11改进SIFT的特征描述符Figure3-11ImprovedSIFTfeaturedescriptors图3-12改进SIFT的特征点提取结果Figure3-12ImprovedSIFTfeaturepointextractionresults改进SIFT的提取的特征点如上图所示，提取的特征点保留了图像的局部结构特性，数量也多于传统SIFT算法且分布比较均匀，保留了SIFT的优良特性，改进的算法则减少了不稳定的点，同时提取出额外显著的点。3.3基于邻域投票的特征点初始匹配（FeaturePointInitialMatchingBasedonNeighborhoodVoting）通过上文我们从图像中提取出相应的特征及其描述符，接下来需要在这些图像之间寻找相似的特征矢量，从而确定对应的匹配项。对于三维重建来说，需要从不同角度拍摄的图像来完全覆盖场景，为了将这些图像完全关联在一起，特征
【参考文献】：
期刊论文
[1]改进的SIFT邻域投票图像匹配算法[J]. 程德强,李腾腾,郭昕,白春梦,徐辉. 计算机工程与设计. 2020(01)
[2]Novel Similarity Measurements for Reassembling Fragmented Image Files[J]. WU Xianyan,HAN Qi,NIU Xiamu,ZHANG Hongli. Chinese Journal of Electronics. 2019(02)
[3]基于图像梯度信息强化的SIFT特征匹配算法改进[J]. 孙健钧,赵岩,王世刚. 吉林大学学报(理学版). 2018(01)
[4]结合改进粒子群算法的RANSAC精确匹配方法[J]. 吕铁钢,张亚,李世中. 机械与电子. 2017(07)
[5]基于RANSAC的特征点匹配算法[J]. 马丽丽,曹春梅,陈金广,王星辉. 计算机工程与设计. 2016(07)
[6]基于像素点灰度差的Harris角点检测算法[J]. 王民,周兆镇,李昌华,卫铭斐,毛力. 计算机工程. 2015(06)
[7]基于同形变换的航空倾斜影像自动匹配方法[J]. 赵霞,朱庆,肖雄武,李德仁,郭丙轩,张鹏,胡翰,丁雨淋. 计算机应用. 2015(06)
[8]一种新的结合环状区域划分的特征描述子[J]. 黎剑兵,肖潇,李小平,侯晓丽. 西安电子科技大学学报. 2016(02)
[9]基于计算机视觉的玉米果穗三维重建方法[J]. 王传宇,郭新宇,吴升,肖伯祥,杜建军. 农业机械学报. 2014(09)
[10]一种改进的Sobel自适应边缘检测的FPGA实现[J]. 宁赛男,朱明,孙宏海,徐芳. 液晶与显示. 2014(03)
博士论文
[1]基于序列图像的三维重建算法研究[D]. 彭科举.国防科学技术大学 2012
硕士论文
[1]基于AKAZE算法的三维重建研究[D]. 夏宇.南京邮电大学 2019
[2]基于SFM的多源目标三维重构方法研究[D]. 王静.西安电子科技大学 2018
[3]基于便携式相机图像的三维重构中特征点匹配算法研究[D]. 张朋涛.浙江工业大学 2018
[4]基于改进SURF和RANSAC的视频拼接算法研究[D]. 厉航.中国矿业大学 2018
[5]基于点线特征的RGB-D SLAM系统研究[D]. 刘志洋.华南理工大学 2018
[6]基于序列图像的三维重建技术研究[D]. 马文超.哈尔滨工程大学 2018
[7]基于SFM的建筑物三维重建技术研究及应用[D]. 王楠.东北石油大学 2017
[8]基于光场成像的三维图像特征点提取与匹配[D]. 王晓飞.北方工业大学 2015
[9]基于SIFT的图像拼接和特征提取的研究[D]. 戴维理.电子科技大学 2015
[10]实时视频图像拼接技术研究与系统实现[D]. 周玉洁.华中科技大学 2015
本文编号：3471255
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
三维重建在不同领域中的应用Figure1-1Applicationof3Dreconstructionindifferentfields
SIFT特征描述Figure3-7SIFTfeaturedescription
工程硕士专业学位论文26Step3.对半径不同的同心圆环以特征点为中心利用梯度累积法表示特征描述符，对每个圆环的从0到360均匀分布的(0,45,90,135,180,225,270,315)8个方向分别计算其梯度累积值，最终在8个圆环内生成6488特征向量，即64维描述符；Step4.对生成的64维特征向量进行单位归一化操作，以减少光照对其产生的影响。图3-11给出了优化生成的同心圆邻域的特征描述符，由公式(3-11)和公式(3-12)可以得到主方向和描述符生成过程中特征点的梯度值。与原SIFT128维的描述符相比，简化的描述符可以更加丰富地描述图像纹理细节信息，能进一步突显特征点的独特性，特征描述符的维度减少了50%，可以有效降低运算的复杂度。图3-11改进SIFT的特征描述符Figure3-11ImprovedSIFTfeaturedescriptors图3-12改进SIFT的特征点提取结果Figure3-12ImprovedSIFTfeaturepointextractionresults改进SIFT的提取的特征点如上图所示，提取的特征点保留了图像的局部结构特性，数量也多于传统SIFT算法且分布比较均匀，保留了SIFT的优良特性，改进的算法则减少了不稳定的点，同时提取出额外显著的点。3.3基于邻域投票的特征点初始匹配（FeaturePointInitialMatchingBasedonNeighborhoodVoting）通过上文我们从图像中提取出相应的特征及其描述符，接下来需要在这些图像之间寻找相似的特征矢量，从而确定对应的匹配项。对于三维重建来说，需要从不同角度拍摄的图像来完全覆盖场景，为了将这些图像完全关联在一起，特征
【参考文献】：
期刊论文
[1]改进的SIFT邻域投票图像匹配算法[J]. 程德强,李腾腾,郭昕,白春梦,徐辉. 计算机工程与设计. 2020(01)
[2]Novel Similarity Measurements for Reassembling Fragmented Image Files[J]. WU Xianyan,HAN Qi,NIU Xiamu,ZHANG Hongli. Chinese Journal of Electronics. 2019(02)
[3]基于图像梯度信息强化的SIFT特征匹配算法改进[J]. 孙健钧,赵岩,王世刚. 吉林大学学报(理学版). 2018(01)
[4]结合改进粒子群算法的RANSAC精确匹配方法[J]. 吕铁钢,张亚,李世中. 机械与电子. 2017(07)
[5]基于RANSAC的特征点匹配算法[J]. 马丽丽,曹春梅,陈金广,王星辉. 计算机工程与设计. 2016(07)
[6]基于像素点灰度差的Harris角点检测算法[J]. 王民,周兆镇,李昌华,卫铭斐,毛力. 计算机工程. 2015(06)
[7]基于同形变换的航空倾斜影像自动匹配方法[J]. 赵霞,朱庆,肖雄武,李德仁,郭丙轩,张鹏,胡翰,丁雨淋. 计算机应用. 2015(06)
[8]一种新的结合环状区域划分的特征描述子[J]. 黎剑兵,肖潇,李小平,侯晓丽. 西安电子科技大学学报. 2016(02)
[9]基于计算机视觉的玉米果穗三维重建方法[J]. 王传宇,郭新宇,吴升,肖伯祥,杜建军. 农业机械学报. 2014(09)
[10]一种改进的Sobel自适应边缘检测的FPGA实现[J]. 宁赛男,朱明,孙宏海,徐芳. 液晶与显示. 2014(03)
博士论文
[1]基于序列图像的三维重建算法研究[D]. 彭科举.国防科学技术大学 2012
硕士论文
[1]基于AKAZE算法的三维重建研究[D]. 夏宇.南京邮电大学 2019
[2]基于SFM的多源目标三维重构方法研究[D]. 王静.西安电子科技大学 2018
[3]基于便携式相机图像的三维重构中特征点匹配算法研究[D]. 张朋涛.浙江工业大学 2018
[4]基于改进SURF和RANSAC的视频拼接算法研究[D]. 厉航.中国矿业大学 2018
[5]基于点线特征的RGB-D SLAM系统研究[D]. 刘志洋.华南理工大学 2018
[6]基于序列图像的三维重建技术研究[D]. 马文超.哈尔滨工程大学 2018
[7]基于SFM的建筑物三维重建技术研究及应用[D]. 王楠.东北石油大学 2017
[8]基于光场成像的三维图像特征点提取与匹配[D]. 王晓飞.北方工业大学 2015
[9]基于SIFT的图像拼接和特征提取的研究[D]. 戴维理.电子科技大学 2015
[10]实时视频图像拼接技术研究与系统实现[D]. 周玉洁.华中科技大学 2015
本文编号：3471255
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3471255.html
最近更新
教材专著
