瓦當(dāng)作為秦漢時(shí)期遺留下來(lái)的古老文物,是現(xiàn)今學(xué)者研究中國(guó)古代的政治、經(jīng)濟(jì)、文化等信息的重要載體。瓦當(dāng)文物的保護(hù),對(duì)其內(nèi)在美學(xué)思想、藝術(shù)風(fēng)格及其表現(xiàn)手法的探索、以及當(dāng)時(shí)社會(huì)政治、經(jīng)濟(jì)乃至文化的研究,都有著相當(dāng)重要的史料價(jià)值。文化遺產(chǎn)數(shù)字化保護(hù)的不斷推廣和3D打印的快速興起,為瓦當(dāng)文物的復(fù)原、保護(hù)、仿制等提供了新的技術(shù)手段,這些技術(shù)手段均以瓦當(dāng)文物的快速三維重建為基礎(chǔ)。本文依托教育部虛擬現(xiàn)實(shí)應(yīng)用工程研究中心重點(diǎn)課題,針對(duì)當(dāng)前瓦當(dāng)三維模型匱乏的問(wèn)題,利用多視圖對(duì)瓦當(dāng)三維重建技術(shù)展開(kāi)了研究,主要研究工作如下：1.針對(duì)瓦當(dāng)當(dāng)面結(jié)構(gòu)的特殊性。提出基于局部熵約束的SIFT特征提取改進(jìn)算法,經(jīng)實(shí)驗(yàn)驗(yàn)證,此方法比原算法中Harris和DoG算法提取到的特征點(diǎn)數(shù)量更多,更穩(wěn)定,分布也較均勻。2.針對(duì)PMVS算法中初始面片過(guò)于稀疏、導(dǎo)致面片擴(kuò)散工作量增大的問(wèn)題。提出采取準(zhǔn)稠密匹配的PMVS算法的優(yōu)化,可獲得較為稠密的初始面片,減小面片擴(kuò)散的工作量,提高重建質(zhì)量。經(jīng)實(shí)驗(yàn)驗(yàn)證,結(jié)合準(zhǔn)稠密匹配方法重建出的點(diǎn)數(shù)量更多,更好的保留了瓦當(dāng)?shù)募?xì)節(jié)。3.針對(duì)特征匹配點(diǎn)優(yōu)化及表面重建。利用基礎(chǔ)矩陣對(duì)匹配點(diǎn)進(jìn)行約束,剔除外點(diǎn)。再... 

【文章來(lái)源】：西北大學(xué)陜西省 211工程院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 三維重建研究現(xiàn)狀
        1.2.2 基于多視圖的三維重建技術(shù)研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 成像模型與PMVS基本概念
    2.1 射影幾何
    2.2 相機(jī)成像模型
    2.3 PMVS算法基本概念
        2.3.1 面片模型
        2.3.2 光線一致性函數(shù)
        2.3.3 面片優(yōu)化
        2.3.4 圖像模型
    2.4 經(jīng)典圖像特征點(diǎn)提取算法
        2.4.1 Harris算法
        2.4.2 DoG算法
    2.5 本章小結(jié)
第三章 基于局部熵約束的SIFT方法
    3.1 PMVS算法步驟
        3.1.1 獲取圖像
        3.1.2 分割圖像
        3.1.3 特征點(diǎn)匹配及初始面片的生成
        3.1.4 面片擴(kuò)散
        3.1.5 面片過(guò)濾
    3.2 基于局部熵約束的SIFT方法
    3.3 特征匹配算法
    3.4 實(shí)驗(yàn)結(jié)果對(duì)比
    3.5 本章小結(jié)
第四章 基于準(zhǔn)稠密匹配的PMVS
    4.1 準(zhǔn)稠密匹配擴(kuò)散方法
        4.1.1 算法描述
        4.1.2 基于準(zhǔn)稠密匹配的PMVS算法
    4.2 特征點(diǎn)匹配的優(yōu)化
        4.2.1 對(duì)極幾何
        4.2.2 基礎(chǔ)矩陣
    4.3 泊松表面重建
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 秦漢瓦當(dāng)管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)設(shè)計(jì)
        5.1.1 需求分析
        5.1.2 主要功能設(shè)計(jì)
        5.1.3 系統(tǒng)開(kāi)發(fā)平臺(tái)
    5.2 系統(tǒng)實(shí)現(xiàn)
        5.2.1 瓦當(dāng)數(shù)據(jù)庫(kù)管理功能
        5.2.2 瓦當(dāng)文字識(shí)別功能
        5.2.3 瓦當(dāng)瀏覽功能
        5.2.4 瓦當(dāng)重建功能
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于CMVS/PMVS多視角密集匹配方法的研究與實(shí)現(xiàn)[J]. 何豫航,岳俊.  測(cè)繪地理信息. 2013(03)
[2]一種改進(jìn)的Harris角點(diǎn)提取算法[J]. 王崴,唐一平,任娟莉,時(shí)冰川,李培林,韓華亭.  光學(xué)精密工程. 2008(10)
[3]機(jī)器視覺(jué)中針孔模型攝像機(jī)的自標(biāo)定方法[J]. 藍(lán)慕云,劉建瓴,吳庭萬(wàn),劉桂雄.  機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新. 2006(01)

博士論文
[1]基于連續(xù)深度融合的多視圖三維重建研究[D]. 朱文嶠.浙江大學(xué) 2013
[2]序列圖像超分辨率重建技術(shù)研究[D]. 徐志剛.中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所) 2012
[3]新一代人機(jī)交互中基于多視點(diǎn)圖像的三維信息獲取研究[D]. 陳京.北京交通大學(xué) 2013
[4]序列圖像三維重建方法研究[D]. 朱清波.華中科技大學(xué) 2010
[5]基于圖像的虛擬環(huán)境建模技術(shù)研究[D]. 王佳生.哈爾濱工程大學(xué) 2009
[6]由手提相機(jī)獲得的序列圖像進(jìn)行三維重建[D]. 唐麗.西安電子科技大學(xué) 2003
[7]基于非定標(biāo)圖象的三維重建方法研究[D]. 劉勇.西安電子科技大學(xué) 2001

碩士論文
[1]基于準(zhǔn)稠稠密匹配配方法的的PMVS算算法改進(jìn)[D]. 陳冉.北京工業(yè)大學(xué) 2014
[2]圖像拼接方法研究及應(yīng)用[D]. 陳方園.西安建筑科技大學(xué) 2014
[3]基于泊松方程的三維表面重建算法的研究[D]. 張凱.河北工業(yè)大學(xué) 2014
[4]序列圖像的三維重建技術(shù)研究[D]. 尚超.西北大學(xué) 2012
[5]基于光度立體法的三維重建技術(shù)的研究與實(shí)現(xiàn)[D]. 林慕清.東北大學(xué) 2010
[6]基于立體視覺(jué)的三維重建[D]. 李競(jìng)超.北京交通大學(xué) 2010
[7]基于特征角點(diǎn)跟蹤的駕駛員疲勞檢測(cè)方法研究[D]. 肖念堃.中南大學(xué) 2009
[8]攝像機(jī)標(biāo)定方法研究與實(shí)現(xiàn)[D]. 陳鐸.東北大學(xué) 2008
[9]基于偏振分析的物體表面形狀恢復(fù)方法研究[D]. 岳春敏.長(zhǎng)春理工大學(xué) 2008
[10]基于圖像的三維重建技術(shù)研究[D]. 蔡欽濤.浙江大學(xué) 2004



本文編號(hào)：3305691