發(fā)布時間：2022-01-04 07:23

　　文物是人類物質(zhì)文明和精神文明的見證和載體,隨著現(xiàn)代科技和經(jīng)濟(jì)的快速發(fā)展,文物的社會和經(jīng)濟(jì)價值越來越被大家重視。但因自然災(zāi)害、人為破壞和材料老化等原因,珍貴的文物逐漸消失,所以急需保護(hù)和修復(fù)的相關(guān)技術(shù)。數(shù)字化技術(shù)是文物保護(hù)和文化傳播的一條重要途徑,其中基于特征點匹配算法的多視圖三維重建技術(shù)可更加形象的保存和復(fù)原文物外觀。但現(xiàn)實中有很多干擾重建效果的因素,輸入的圖像因為光影、缺少紋理或者遮擋等影響,導(dǎo)致檢測到的特征點數(shù)目較少、特征點匹配算法不魯棒以及出現(xiàn)大量誤匹配,使后續(xù)重建出來的點云模型準(zhǔn)確度、完整度得不到保證。所以研究如何獲取足夠的特征、魯棒性的特征匹配算法和剔除誤匹配算法來提高三維重建技術(shù)在文物保護(hù)方面的應(yīng)用效果是目前面臨的一個重要問題。本文主要圍繞多視圖三維重建技術(shù)在文物保護(hù)方面的三維重建效果,針對多視圖三維重建過程中特征不足、特征匹配準(zhǔn)確度低、重建完整度不夠和誤匹配率高這些關(guān)鍵問題進(jìn)行基礎(chǔ)研究和算法改進(jìn)。本文主要從如下幾個方面來開展工作:（1）提出了一種融合圖節(jié)點局部和全局信息特征增強(qiáng)的圖匹配算法,主要是融合圖節(jié)點局部和全局的空間結(jié)構(gòu)信息來進(jìn)行特征增強(qiáng),構(gòu)造了新的親和矩陣進(jìn)行匹配... 

【文章來源】：濟(jì)南大學(xué)山東省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

大火中的巴黎圣母院和坍塌的都江堰二王廟近年來隨著攝影技術(shù)的發(fā)明，人類利用照相機(jī)、攝像機(jī)等設(shè)備模擬眼睛獲取到大量

基于區(qū)域估計特征增強(qiáng)的圖匹配算法研究與應(yīng)用102.2特征跟蹤如何從圖像中獲取到顯著特征和計算圖像特征之間準(zhǔn)確的對應(yīng)是影響三維重建效果的重要因素�；谔卣鳈z測和匹配算法來構(gòu)造特征跟蹤鏈?zhǔn)翘幚頍o序圖像集合的經(jīng)典方法，此類方法包括三個步驟，分別是進(jìn)行特征的檢測、描述和匹配[4]。其中在圖像序列之間進(jìn)行特征點匹配就是構(gòu)成特征跟蹤鏈的過程，圖像對間的特征點進(jìn)行互匹配構(gòu)成特征跟蹤鏈。圖像兩兩進(jìn)行匹配，若有正確對應(yīng)的特征點總被檢測到，可以形成一種鏈?zhǔn)竭M(jìn)行傳遞，從而構(gòu)成軌跡。設(shè)圖像集合是，為圖像集的單個圖像，圖像中的特征點為,圖像之間相互匹配以后，把圖像中都有的共同特征匹配點串起來形成軌跡[42]。如圖2.2所示，特征點1∈1匹配特征點2∈2，特征點2∈2匹配特征點3∈3，若干個特征便形成了一個軌跡{1,2,3,…}[42]。圖2.2特征跟蹤軌跡傳統(tǒng)的多視圖特征跟蹤算法采用的是強(qiáng)力匹配以及SIFT和SURF類匹配方法，不能滿足高精度的要求，也間接影響三維重建的效果。因為大量高性能的特征檢測算法和特征匹配算法陸續(xù)出現(xiàn)，也進(jìn)一步推動了三維重建技術(shù)的發(fā)展。但是特征跟蹤是SFM的關(guān)鍵組成部分,仍存在亟待解決的問題,主要反映在特征匹配精度低和特征誤匹配率高等方面。本論文的研究的圖匹配算法針對這些問題進(jìn)行了基礎(chǔ)研究。2.2.1特征檢測和描述由攝像機(jī)、手機(jī)相機(jī)等成像設(shè)備獲取的圖像是由一個一個像素組成的，在進(jìn)行圖像的特征匹配之前，首先需要獲取圖像的顯著特征點。利用特征檢測算法得到的圖像特征點包含了圖像中的位置、顏色等信息能夠很好的代表圖像。特征檢測算法的效率和對圖像變形噪聲、光影和遮擋干擾具有魯棒性在三維重建過程中的重要因素。經(jīng)典

濟(jì)南大學(xué)碩士學(xué)位論文11的SIFT和SURF算法依然被用于VisualSFM、Bunder、Colmap等三維重建系統(tǒng)廣泛使用。經(jīng)典的SIFT算法被廣泛使用，主要是因為其在圖像發(fā)生旋轉(zhuǎn)變形、仿射變換和尺度變化時具有較強(qiáng)的魯棒性和相對穩(wěn)定性。SIFT算法獲取圖像特征點的過程包括：檢測極值點、定位特征點、確定特征點的主方向以及構(gòu)建顯著點的特征描述符[44]。SIFT算法有針對性地對圖像局部區(qū)域進(jìn)行特征檢測，獲取到的特征包含整幅圖像的特征點、相應(yīng)的尺度信息和旋轉(zhuǎn)信息。SIFT算法的改良版有很多，SURF算法就是其中一個，其特征提取方法的優(yōu)勢是在保證了SIFT算法的高魯棒性基礎(chǔ)上又大大提高了提取圖像特征的效率，在SURF算法檢測特征點這個過程中通常分五個步驟。第一步是建立相應(yīng)的積分圖像，構(gòu)建Hessian矩陣為提取特征做準(zhǔn)備，即確定特征點的位置信息。設(shè)一幅圖像為(,)，相應(yīng)的Hessian矩陣表示如下：((,))=[222222](2.1)Hessian矩陣的判別式是()=222222，先對圖像使用高斯濾波之后再構(gòu)建Hessian矩陣，高斯濾波之后的公式為：(,,)=[(,,)(,,)(,,)(,,)](2.2)其中(,,)為尺度空間，(,)為像素的位置。SURF算法使用盒式濾波器來提高計算速度，如圖2.3所示盒式濾波器和高斯濾波器的示意圖。圖2.3盒式濾波器和高斯濾波器

【參考文獻(xiàn)】：
期刊論文
[1]巨野永豐塔法式特征及價值[J]. 鄭洋坤.  中國地名. 2019(11)
[2]多元異構(gòu)的數(shù)字文化——敦煌石窟數(shù)字文化呈現(xiàn)與展示[J]. 吳健.  敦煌研究. 2016(01)
[3]一種新的基于Kruppa方程的攝像機(jī)自標(biāo)定方法[J]. 雷成,胡占義,吳福朝,TSUI H T.  計算機(jī)學(xué)報. 2003(05)
[4]Kruppa方程與攝像機(jī)自標(biāo)定[J]. 雷成,吳福朝,胡占義.  自動化學(xué)報. 2001(05)
[5]基于實拍圖像的人臉真實感重建[J]. 梅麗,鮑虎軍,鄭文庭,彭群生.  計算機(jī)學(xué)報. 2000(09)

博士論文
[1]數(shù)據(jù)驅(qū)動的多視圖三維重建[D]. 曹明偉.合肥工業(yè)大學(xué) 2017

碩士論文
[1]基于改進(jìn)SURF算法的圖像匹配[D]. 敖天慈.大連理工大學(xué) 2019
[2]多視圖3D場景重建算法及應(yīng)用[D]. 張家瑞.西安電子科技大學(xué) 2018
[3]基于多視圖的點云三維重建及其并行化研究[D]. 曹靜.河南大學(xué) 2017
[4]基于多幅圖像的物質(zhì)文化遺產(chǎn)三維重建[D]. 黃明偉.福州大學(xué) 2016



本文編號：3567935