雙目視覺系統(tǒng)基于視差原理獲取物體三維信息,是計(jì)算機(jī)視覺領(lǐng)域的一大研究熱點(diǎn)。雙目圖像的匹配算法是實(shí)現(xiàn)雙目視覺系統(tǒng)的重要環(huán)節(jié)之一�；谔卣鞯钠ヅ渌惴ǚ譃閮蓚�重要步驟:一是特征提取,特征向量之間的區(qū)分性、特征向量的穩(wěn)健性都對后續(xù)的匹配性能有著很大影響;二是特征匹配,優(yōu)良的匹配測度十分重要。本文基于彩色各向異性SIFT特征實(shí)現(xiàn)雙目圖像的匹配,主要工作如下:1.SIFT特征是一種較為穩(wěn)定的點(diǎn)特征,其描述子對尺度、光照、仿射等都有較好的不變性。SIFT特征基于灰度圖像,沒有利用圖像的彩色信息;此外,SIFT特征使用DoG算子構(gòu)建金字塔,沒有考慮點(diǎn)特征的各向異性。本文提出了一種彩色各向異性SIFT特征提取算法。首先,將彩色融合模型用于金字塔,同時使用各向異性LoG算子代替DoG算子,充分考慮了圖像的彩色信息和點(diǎn)特征的各向異性。其次,為了在構(gòu)建描述子時獲取更為精準(zhǔn)的梯度和方向信息,本文提出用各向異性高斯方向?qū)?shù)濾波器代替Sobel算子生成梯度圖和方向圖。對復(fù)雜場景下、具有重復(fù)紋理的雙目圖像的進(jìn)行了匹配實(shí)驗(yàn),實(shí)驗(yàn)表明使用彩色各向異性SIFT具有較高的匹配準(zhǔn)確率,并對噪聲較為穩(wěn)健。2.對于SIFT特征的匹... 

【文章頁數(shù)】：111 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和研究意義
    1.2 國內(nèi)外主要研究現(xiàn)狀
        1.2.1 特征提取研究現(xiàn)狀
        1.2.2 特征匹配研究現(xiàn)狀
    1.3 論文研究內(nèi)容及安排
第二章 雙目視覺系統(tǒng)的基本原理
    2.1 引言
    2.2 雙目視覺系統(tǒng)
    2.3 攝像機(jī)成像模型
    2.4 攝像機(jī)標(biāo)定技術(shù)
        2.4.1 攝像機(jī)參數(shù)
        2.4.2 線性模型標(biāo)定方法
        2.4.3 非線性模型標(biāo)定方法
    2.5 特征提取
    2.6 特征匹配
        2.6.1 雙目圖像的匹配約束
        2.6.2 雙目圖像匹配算法的分類
    2.7 本章小結(jié)
第三章 一種穩(wěn)健的各向異性的彩色圖像SIFT提取算法
    3.1 引言
    3.2 SIFT特征提取算法
        3.2.1 構(gòu)建尺度空間
        3.2.2 高斯金字塔及高斯差分金字塔
        3.2.3 關(guān)鍵點(diǎn)定位
        3.2.4 構(gòu)建描述子
        3.2.5 SIFT特征匹配
    3.3 基于各向異性LoG算子的濾波器
        3.3.1 各向同性高斯濾波器
        3.3.2 各向異性高斯濾波器及其方向?qū)?shù)濾波器
        3.3.3 各向異性LoG算子
    3.4 基于彩色圖像的特征提取模型
        3.4.1 彩色圖像特征提取模型
        3.4.2 各向同性LoG算子濾波器的彩色圖像融合模型
        3.4.3 各向異性LoG算子濾波器的彩色圖像融合模型
    3.5 一種穩(wěn)健的基于各向異性的彩色圖像SIFT檢測算法
        3.5.1 基于彩色圖像的各向異性LoG算子構(gòu)建金字塔
        3.5.2 基于各向異性高斯方向?qū)?shù)濾波器構(gòu)建描述子
    3.6 實(shí)驗(yàn)結(jié)果和分析
        3.6.1 四種算子在不同噪聲下的梯度圖和方向圖對比
        3.6.2 不同噪聲下的SIFT與彩色各向異性SIFT對比
    3.7 本章小結(jié)
第四章 基于彩色各向異性SIFT特征的匹配算法
    4.1 引言
    4.2 基于彩色各向異性SIFT特征的匹配測度
        4.2.1 基于特征距離比的k近鄰特征
        4.2.2 基于余弦相似度的匹配測度
    4.3 基于改進(jìn)的RANSAC的匹配算法
        4.3.1 RANSAC算法
        4.3.2 基于樣條曲線損失函數(shù)的RANSAC
        4.3.3 基于Sampson誤差的RANSAC
    4.4 迭代最近鄰點(diǎn)匹配算法
    4.5 算法流程
    4.6 實(shí)驗(yàn)結(jié)果和分析
        4.6.1 設(shè)計(jì)實(shí)驗(yàn)并仿真
        4.6.2 實(shí)驗(yàn)結(jié)果分析
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于Harris角點(diǎn)的矩形檢測[J]. 張從鵬,魏學(xué)光.  光學(xué)精密工程. 2014(08)
[2]結(jié)合尺度空間FAST角點(diǎn)檢測器和SURF描繪器的圖像特征[J]. 王飛宇,邸男,賈平.  液晶與顯示. 2014(04)
[3]基于尺度限制SURF的圖像配準(zhǔn)[J]. 詹曙,王少武,蔣建國.  電子測量與儀器學(xué)報(bào). 2013(10)
[4]基于改進(jìn)ORB算法的遙感圖像自動配準(zhǔn)方法[J]. 張?jiān)粕?鄒崢嶸.  國土資源遙感. 2013(03)

博士論文
[1]基于圖像深度感知中的立體匹配和深度增強(qiáng)算法研究[D]. 張康.清華大學(xué) 2015

碩士論文
[1]雙目視覺三維重建技術(shù)研究[D]. 燕磊.天津理工大學(xué) 2017



本文編號：3699827