基于寬基線的弱紋理特征點提取與描述方法研究.pdf

1、隨著計算機技術與高分辨率CCD數(shù)碼相機技術的高速發(fā)展，其靈活、快捷以及非接觸等優(yōu)勢使其成為獲取三維空間信息的主要方式之一。該領域涉及模式識別，尋優(yōu)算法，數(shù)字圖像處理等多學科的理論方法。從不同視角對同一場景進行拍攝，對所采集的圖像序列進行三維圖象匹配是該領域的關鍵問題之一，也是后續(xù)數(shù)據(jù)分析、三維重建的基礎。但傳統(tǒng)的特征點提取方法不能直接應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算機視覺亟待解決的難點之一。本論文圍繞這個難點

2、主要完成以下工作，包括：
　?。?）介紹了特征點提取與匹配方法的基本原理，對國內(nèi)外研究現(xiàn)狀進行詳細綜述；概述了三維重建的關鍵技術，介紹了模式識別相關方法和理論及應用，包括：稀疏表示、graph cuts算法以及SIFT特征點檢測算法，為本文所研究的基于寬基線的弱紋理特征點的提取與匹配算法奠定理論基礎。
　?。?）提出了一種基于稀疏表示的弱紋理圖像特征點匹配方法。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作為

3、相應的特征點；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，這導致傳統(tǒng)的基于歐氏距離的特征點匹配方法并不適用?；谙∈璞硎镜奶卣鼽c匹配方法對特征描述子的選取不敏感，且具有較強的穩(wěn)定性及魯棒性。實驗結果表明該方法對弱紋理特征點的匹配準確率要遠高于傳統(tǒng)的基于歐式距離的匹配方法。
　　（3）提出了一種基于紋理合成的特征點提取方法。將傳統(tǒng)特征提取算子及匹配方法進行擴展，使其能夠在圖像弱紋理區(qū)域中提取到相應的特征點并進行

4、準確的匹配。該方法以紋理合成算法為基礎，并采用仿射變換將所合成的紋理分別覆蓋到圖像對的弱紋理區(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）對所提取到的特征點對進行修正，通過采用這種粗匹配到精確匹配相結合的特征點匹配方法，建立了一種基于紋理合成的弱紋理特征點匹配機制。實驗證明了本方法在擴展傳統(tǒng)特征點提取方法的基礎上，具有較高的匹配準確率，適用于寬基線下弱紋理區(qū)域的稠密匹配。
　　（4）提出

5、了一種基于Meanshift的特征點描述機制。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，并且受限制條件過多。盡管傳統(tǒng)的特征點提取方法可應用在寬基線情況下，但其所提取的特征點周圍一般都具有較強的紋理特征，而現(xiàn)實環(huán)境中往往存在大量的弱紋理區(qū)域，從而導致該方法較難應用于實際。為此，我們根據(jù)每一點周圍的紋理強度，采用Meanshift算法找出其對應的區(qū)域，根據(jù)該區(qū)域給出對應的特征描述子，最后，利用極線約束在極線上搜索匹配的特征