本文關(guān)鍵詞：基于改進(jìn)KAZE雙目視覺立體匹配算法的研究

  更多相關(guān)文章： KAZE 雙目視覺 立體匹配 隨機KD樹

【摘要】：視覺是人與生俱來的一種認(rèn)知世界和觀察世界的重要手段。人類從外部獲取的全部信息中約有75%是來自視覺系統(tǒng)。與人類一樣,計算機獲取信息也越來越依靠本身的視覺系統(tǒng)。隨著計算機視覺及圖像處理技術(shù)的發(fā)展,二維的圖像信息已不能滿足工程的需求,而立體圖像信息卻彌補了這種不足。因此計算機雙目視覺立體匹配的研究就變得很有意義。本文在介紹雙目視覺立體匹配基本理論的基礎(chǔ)上,通過對SIFT和KAZE兩種立體匹配算法的對比分析后發(fā)現(xiàn),KAZE憑借在光照強度變化下魯棒性強和在視角變化下匹配率更高的特點,體現(xiàn)出其在雙目視覺立體匹配中的優(yōu)勢。但是KAZE在雙目視覺立體匹配中也存在不足,其運行時間過長,常常會造成獲取信息的滯后。為了改進(jìn)這種不足,本文在傳統(tǒng)的KAZE基礎(chǔ)上,優(yōu)化了特征匹配的算法,使雙目視覺立體匹配的效率有所提升。傳統(tǒng)的KAZE立體匹配算法中,KD樹搜索策略是特征匹配的關(guān)鍵。那么優(yōu)化特征匹配時間,也就是優(yōu)化KD樹。傳統(tǒng)的KD樹在低維空間中搜索效率高,在高維空間中搜索速度慢,而KAZE算法中檢測出的特征點集是基于高維空間的。針對這一問題,本文提出了一種隨機KD樹搜索算法。首先,根據(jù)參考圖像和待匹配圖像的特征點集隨機生成具有不同方向上的KD樹,也就是將特征點集進(jìn)行旋轉(zhuǎn)；其次,為了降低特征點集的時間復(fù)雜度,將旋轉(zhuǎn)的特征點集進(jìn)行Householder矩陣變換；最后,通過采用混合優(yōu)先搜索隊列的方法并行搜索隨機生成的KD樹。為了驗證改進(jìn)的KAZE算法是否能在雙目視覺立體匹配中體現(xiàn)出作用,本文通過使用不同旋轉(zhuǎn)角度、不同光照強度、不同視角的圖像,分別用傳統(tǒng)KAZE算法和改進(jìn)KAZE算法對其進(jìn)行了立體匹配。實驗表明：在檢測到相同特征點和圖像匹配率的基礎(chǔ)上,本文提出的算法縮短了運行時間,提高了執(zhí)行效率。因此,改進(jìn)的KAZE算法在不但能較好地解決雙目視覺立體匹配問題,而且提高了執(zhí)行效率。
【關(guān)鍵詞】：KAZE 雙目視覺 立體匹配 隨機KD樹
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-16
• 1.1 課題研究的背景及意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀與分析13-15
• 1.3 本文的研究內(nèi)容及章節(jié)安排15-16
• 第二章 雙目視覺立體匹配基本理論16-26
• 2.1 雙目立體視覺原理16-19
• 2.1.1 基本概念和模型16-18
• 2.1.2 雙目視覺中的視差原理18-19
• 2.2 攝像機標(biāo)定19-24
• 2.2.1 概述19
• 2.2.2 攝像機成像模型19-20
• 2.2.3 攝像機標(biāo)定方法20-24
• 2.3 立體匹配關(guān)鍵技術(shù)24-25
• 2.3.1 特征空間24
• 2.3.2 相似性度量24-25
• 2.3.3 搜索空間25
• 2.3.4 搜索策略25
• 2.4 本章小結(jié)25-26
• 第三章 SIFT和KAZE立體匹配算法對比分析26-48
• 3.1 SIFT算法26-29
• 3.1.1 尺度空間的生成26-27
• 3.1.2 空間極值點定位27-28
• 3.1.3 建立關(guān)鍵點特征描述28-29
• 3.1.4 特征點立體匹配29
• 3.2 KAZE算法29-35
• 3.2.1 非線性擴散濾波30-31
• 3.2.2 AOS算法31-32
• 3.2.3 非線性尺度空間的創(chuàng)建32-33
• 3.2.4 KAZE特征檢測33-34
• 3.2.5 KAZE特征描述34-35
• 3.2.6 KAZE特征匹配35
• 3.3 SIFT與KAZE立體匹配實驗對比分析35-47
• 3.3.1 實驗準(zhǔn)備工作35
• 3.3.2 實驗數(shù)據(jù)分析對比35-47
• 3.4 本章小結(jié)47-48
• 第四章 基于KAZE立體匹配算法的改進(jìn)及驗證48-60
• 4.1 最近鄰搜索48-51
• 4.1.1 K近鄰算法48-49
• 4.1.2 K近鄰算法的實現(xiàn)49-51
• 4.2 優(yōu)化KD樹的KAZE特征匹配算法51-59
• 4.2.1 基本原理論述51-52
• 4.2.2 實現(xiàn)算法是具體流程52-53
• 4.2.3 實驗樣本及方法53
• 4.2.4 實驗結(jié)果及分析53-59
• 4.3 本章小結(jié)59-60
• 總結(jié)與展望60-61
• 參考文獻(xiàn)61-64
• 攻讀學(xué)位期間發(fā)表的論文64-66
• 致謝66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于舒春;趙杰;蔡鶴皋;;立體匹配算法分階段測試平臺[J];計算機工程;2007年10期

2 白明;莊嚴(yán);王偉;;雙目立體匹配算法的研究與進(jìn)展[J];控制與決策;2008年07期

3 于乃功;秦永鋼;阮曉鋼;;立體匹配算法進(jìn)展[J];計算機測量與控制;2009年05期

4 牟雅丹;;立體匹配算法的比較[J];技術(shù)與市場;2009年12期

5 張令濤;曲道奎;徐方;;一種基于圖割的改進(jìn)立體匹配算法[J];機器人;2010年01期

6 劉亞竹;李逵;狄紅衛(wèi);;一種改進(jìn)的基于圖割的立體匹配算法[J];微型機與應(yīng)用;2012年07期

7 張志華;霍家道;劉會;;一種基于米字形窗口的區(qū)域立體匹配算法[J];科學(xué)技術(shù)與工程;2014年12期

8 周東翔,蔡宣平,孫茂印;基于模糊判別的立體匹配算法[J];中國圖象圖形學(xué)報;2001年04期

9 夏澤邑,劉沖,王躍宗,沙里瓦特;基于平均局部熵的顯微立體匹配算法[J];儀器儀表學(xué)報;2003年S1期

10 高一寧;韓燮;;雙目視覺中立體匹配算法的研究與比較[J];電子測試;2011年01期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 賈波;章毓晉;張寧;林行剛;;一種二維搜索的立體匹配算法[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 夏澤邑;劉沖;王躍宗;沙里瓦特;;基于平均局部熵的顯微立體匹配算法[A];中國儀器儀表學(xué)會第五屆青年學(xué)術(shù)會議論文集[C];2003年

3 高月芳;朱同林;張佑生;偶春生;;一種改進(jìn)的立體匹配算法[A];全國第13屆計算機輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

4 趙亮亮;黎寧;;一種基于全局約束的立體匹配算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

5 姜吉祥;屈玉福;;雙目視覺立體匹配算法對比研究[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 朱松;基于圖像分割的快速立體匹配算法研究[D];華中科技大學(xué);2015年

2 張翔;基于可編程片上系統(tǒng)的實時立體匹配算法研究[D];浙江大學(xué);2014年

3 陳彬;實時雙目立體匹配算法研究與實現(xiàn)[D];武漢科技大學(xué);2014年

4 翟振剛;立體匹配算法研究[D];北京理工大學(xué);2010年

5 池凌鴻;立體匹配算法的研究和應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2011年

6 曹曉倩;面向病態(tài)場景圖像對的立體匹配算法研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機械研究所）;2014年

7 王瑋;基于遮擋信息的局部立體匹配算法的研究[D];山東大學(xué);2012年

8 施陳博;快速圖像配準(zhǔn)和高精度立體匹配算法研究[D];清華大學(xué);2011年

9 劉赫偉;基于地面控制點和能量優(yōu)化的魯棒立體匹配算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

10 鄭志剛;高精度攝像機標(biāo)定和魯棒立體匹配算法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李峰;基于雙目視覺的立體匹配算法研究及應(yīng)用[D];燕山大學(xué);2015年

2 趙蘢菲;雙目立體視覺中局部立體匹配算法研究[D];河北大學(xué);2015年

3 劉婷婷;水下雙目視覺立體匹配算法的研究[D];燕山大學(xué);2015年

4 王瓊;基于區(qū)域增長的立體匹配算法研究[D];西南交通大學(xué);2015年

5 李嬌;基于立體視覺的雙目匹配[D];南京理工大學(xué);2015年

6 羅藝彬;雙目立體視覺中立體匹配算法的優(yōu)化研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王知之;基于協(xié)同優(yōu)化的立體匹配算法及其在三維電視的應(yīng)用研究[D];電子科技大學(xué);2014年

8 何樹成;基于雙目立體視覺的圖像匹配算法研究[D];山西大學(xué);2014年

9 龔文;基于動態(tài)規(guī)劃的立體匹配算法研究[D];南昌航空大學(xué);2015年

10 李艷云;基于雙目視覺的彩色三維場景再現(xiàn)與3D顯示[D];中國科學(xué)院研究生院(西安光學(xué)精密機械研究所);2015年

，

本文編號：537535