论文部分内容阅读
图像之间对应点的确定问题是计算机视觉中的一个关键问题,在目标检测、物体识别、三维重建、图像配准、视频理解等具体应用中发挥着重要作用。由于图像类型和几何形变复杂多样,而且具体应用需求各有不同,使得对应点匹配问题成为一个极具挑战性的热点研究课题。
本文的工作主要是围绕如何确定图像之间的对应点以及如何将这些匹配算法应用于计算机视觉的一些具体问题展开的,主要工作有:
●针对图像在复杂形变下的匹配问题,实现了一个基于SIFT(Scale InvariantFeature Transform)特征的匹配软件。整个匹配过程主要分为三个步骤:首先采用DoG(Difference-of-Gaussian)算子在图像的尺度空间中检测关键点并进行精确定位,然后计算关键点的主方向并构造特征描述子,最后根据描述子之间的欧氏距离来度量图像特征点之间的匹配程度。基于SIFT特征的匹配方法能够很好地适应图像之间的复杂形变,并且具有很强的辨别能力。我们的软件经过大量实验测试,具有很好的稳定性。
●针对三维重建等需要大量高精度对应点的问题,实现了一个对应点扩散的软件。该软件能够得到具有子像素级精度且分布均匀的“准稠密”匹配点。本文在“准稠密”匹配的实现中,采用了一种鲁棒的初始点匹配方法来选择种子匹配,将SIFT特征与几何约束相结合,由粗到精地获取可靠的特征点匹配,并用灰度相关算法进一步提高匹配点的精度。该软件已应用于大场景的三维重建中,获得了逼真的重建效果。
●将基于SIFT特征匹配的方法应用于视频镜头检测,提出了两种帧间匹配机制:两两匹配机制和连续匹配机制,通过分析帧间SIFT恃征匹配点数目随时间变化的特性来检测镜头的边界。这种镜头检测方法将突变和各种类型的渐变统一于一种检测模式,避免了模型的选择和参数的调整。
●将SIFT特征应用于遥感图像匹配。笔者采用了基于SIFT描述子的匹配方法来确定初始控制点,并通过对仿射模型参数进行优化以得到精确的控制点位置,然后依据得到的控制点计算控制区域的配准模型。另外,笔者还将对应点扩散算法初步应用到航空影像的匹配。