本文關(guān)鍵詞：稠密圖像塊匹配方法及其應(yīng)用

  更多相關(guān)文章： 圖像匹配 稠密匹配 塊匹配 多曝光融合 稀疏特征 顏色轉(zhuǎn)換 視頻協(xié)同分割 三維重建

【摘要】：圖像匹配(Image Matching)是計(jì)算機(jī)視覺、圖形圖像處理、模式識(shí)別等領(lǐng)域中最基礎(chǔ)的研究方向之一,具有重要的理論和應(yīng)用價(jià)值。圖像匹配的方法有很多種,可以分成很多類別,而且分類方式又各不相同。一般情況下,圖像匹配的方法可以分為基于特征的匹配和稠密的匹配。其中,稠密圖像匹配建立圖像間的稠密對(duì)應(yīng)關(guān)系,是現(xiàn)在研究的熱點(diǎn)。它在圖像/視頻編輯、三維重建、智能視頻監(jiān)控、圖像/視頻檢索、圖像/視頻分割等領(lǐng)域有著廣泛的應(yīng)用。由于圖像間存在許多不同的變換,如平移、旋轉(zhuǎn)、尺度變化、顏色增益與偏移、非剛體形變等,設(shè)計(jì)魯棒的稠密匹配方法一直是圖像匹配領(lǐng)域中的難點(diǎn)。本文以圖像塊為基礎(chǔ),在考慮上述變換的基礎(chǔ)上,研究如何構(gòu)建有效的稠密匹配方法,以及其對(duì)應(yīng)的不同應(yīng)用。本文提出了一種同時(shí)實(shí)現(xiàn)多幅圖像的稠密塊匹配和多曝光融合算法,目的是針對(duì)包含移動(dòng)場(chǎng)景或者移動(dòng)物體的多曝光輸入圖像序列,構(gòu)建統(tǒng)一的匹配融合框架。該方法以圖像塊為基礎(chǔ),在統(tǒng)一的迭代框架下,搜索不同曝光圖像之間對(duì)應(yīng)的圖像塊,同時(shí)將它們?nèi)诤�。由于圖像序列是在不同曝光時(shí)間下采集的,利用單個(gè)像素的值計(jì)算相似性會(huì)有很大的擾動(dòng),該方法設(shè)計(jì)一種基于圖像塊的能量函數(shù)并對(duì)其進(jìn)行優(yōu)化,以提高匹配的準(zhǔn)確率。不同于以往的圖像多曝光融合方法,該方法提出以隨機(jī)游走算法融合圖像塊,消除了移動(dòng)場(chǎng)景或者移動(dòng)物體對(duì)融合的影響。在不同數(shù)據(jù)集上的定性與定量分析表明,上述匹配融合框架可以有效地處理帶有移動(dòng)場(chǎng)景或者移動(dòng)物體的多曝光輸入圖像序列。本文提出了一種結(jié)構(gòu)化塊的表示方法并用于稠密的圖像匹配,用于處理圖像之間的不同變換,如顏色變化、尺度、平移以及畸變等帶來的影響。該方法考察圖像的兩點(diǎn)特性：1.稀疏特征點(diǎn)在提取的過程中包含了不同的變換；2.相近的子場(chǎng)景和圖像塊包含更多的相似信息,設(shè)計(jì)一種能量?jī)?yōu)化的方式引導(dǎo)圖像的稠密匹配。另一方面,該方法結(jié)合稀疏特征點(diǎn)與稠密圖像塊,設(shè)計(jì)一種結(jié)構(gòu)化塊的表示方法,并將它融入到上述能量?jī)?yōu)化的框架中。為了解決圖像塊匹配的擾動(dòng),該方法提出局部求精的策略以提高圖像塊匹配的準(zhǔn)確率。在實(shí)驗(yàn)過程中,不僅在不同數(shù)據(jù)集上測(cè)試該方法,同時(shí)將其應(yīng)用于多種不同的實(shí)際問題中,證明了該方法可以有效地找到圖像之間的稠密對(duì)應(yīng)關(guān)系。本文又提出了一種基于協(xié)同分割的物體重建方法。以圖像稠密匹配為基礎(chǔ),構(gòu)造統(tǒng)一的優(yōu)化框架,實(shí)現(xiàn)多個(gè)視頻中前景物體的三維重建。該方法在無監(jiān)督的前提下,同時(shí)實(shí)現(xiàn)多個(gè)視頻中前景物體的分割和重建�？紤]前景物體在視頻內(nèi)和視頻之間的一致性約束,該方法設(shè)計(jì)一種稠密圖像塊匹配方法建立視頻之間的對(duì)應(yīng)關(guān)系,并且計(jì)算視頻內(nèi)部連續(xù)兩幀間的稠密匹配關(guān)系。在視頻處理過程中,后續(xù)視頻幀的分割和重建以前面結(jié)果為初值。為了確保準(zhǔn)確性,該方法提出一種模型更新的策略對(duì)前景物體的分割求精。在不同開放數(shù)據(jù)集上的實(shí)驗(yàn)表明,該方法是有效的且可以得到稠密的重建結(jié)果。
【關(guān)鍵詞】：圖像匹配 稠密匹配 塊匹配 多曝光融合 稀疏特征 顏色轉(zhuǎn)換 視頻協(xié)同分割 三維重建
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 第1章 緒論15-19
• 1.1 研究意義15-16
• 1.2 研究?jī)?nèi)容16-18
• 1.3 論文結(jié)構(gòu)18-19
• 第2章 圖像匹配研究現(xiàn)狀19-29
• 2.1 基于特征的圖像匹配19-21
• 2.1.1 特征提取19-20
• 2.1.2 特征匹配20-21
• 2.2 局部的圖像匹配21-23
• 2.2.1 立體匹配21-22
• 2.2.2 光流22
• 2.2.3 基于特征匹配的局部圖像匹配22-23
• 2.3 全局的圖像匹配23-24
• 2.4 稠密的圖像匹配24-29
• 2.4.1 相關(guān)工作24-25
• 2.4.2 相關(guān)應(yīng)用25-29
• 第3章 動(dòng)態(tài)場(chǎng)景下的圖像塊匹配和多曝光融合29-57
• 3.1 引言29-30
• 3.2 圖像塊匹配和多曝光融合問題描述30-32
• 3.3 塊匹配32-36
• 3.3.1 匹配代價(jià)函數(shù)設(shè)計(jì)32-35
• 3.3.2 匹配可靠度計(jì)算35-36
• 3.4 多曝光融合36-39
• 3.4.1 問題描述36-37
• 3.4.2 基于圖像塊的多曝光融合37-39
• 3.5 迭代求解匹配融合39-44
• 3.5.1 匹配融合的迭代優(yōu)化39-43
• 3.5.2 遮擋43-44
• 3.6 實(shí)驗(yàn)結(jié)果44-55
• 3.6.1 實(shí)驗(yàn)設(shè)置45
• 3.6.2 定性分析45-53
• 3.6.3 定量分析53-55
• 3.7 本章小結(jié)55-57
• 第4章 基于結(jié)構(gòu)化塊的稠密匹配方法57-83
• 4.1 引言57-59
• 4.2 結(jié)構(gòu)化塊圖像匹配59-60
• 4.3 結(jié)構(gòu)化塊60-64
• 4.3.1 稠密像素61-63
• 4.3.2 稀疏特征點(diǎn)63-64
• 4.4 稠密信息64-66
• 4.4.1 圖像塊匹配64-65
• 4.4.2 場(chǎng)景特征匹配65-66
• 4.5 優(yōu)化求解66-67
• 4.6 局部求精(Local Refinement)67-68
• 4.7 實(shí)驗(yàn)結(jié)果68-81
• 4.7.1 參數(shù)配置70-71
• 4.7.2 數(shù)據(jù)庫Video Pair上的對(duì)比實(shí)驗(yàn)71-75
• 4.7.3 數(shù)據(jù)庫Caltech-101上的對(duì)比實(shí)驗(yàn)75-77
• 4.7.4 應(yīng)用實(shí)例77-81
• 4.8 本章小結(jié)81-83
• 第5章 基于協(xié)同分割的多視頻目標(biāo)重建83-101
• 5.1 引言83-85
• 5.2 多視頻目標(biāo)分割和重建85-87
• 5.3 初始化目標(biāo)分割區(qū)域87-88
• 5.4 稠密圖像塊優(yōu)化88-94
• 5.4.1 匹配圖像塊88-92
• 5.4.2 平滑性計(jì)算92-94
• 5.5 基于稠密圖像塊優(yōu)化的多視頻目標(biāo)分割與重建94-95
• 5.6 實(shí)驗(yàn)結(jié)果95-99
• 5.6.1 實(shí)驗(yàn)設(shè)計(jì)96
• 5.6.2 分析與對(duì)比96-99
• 5.7 本章小結(jié)99-101
• 第6章 結(jié)論與展望101-105
• 6.1 工作總結(jié)101-102
• 6.2 未來工作展望102-105
• 參考文獻(xiàn)105-117
• 攻讀博士學(xué)位期間發(fā)表的論文117-119
• 攻讀博士學(xué)位期間申請(qǐng)的專利119-121
• 攻讀博士學(xué)位期間參加的科研項(xiàng)目121-123
• 致謝123-125
• 作者簡(jiǎn)介125

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 顧勇;張燦果;龔志廣;;基于圖像塊分割融合算法在醫(yī)學(xué)圖像中的應(yīng)用[J];河北建筑工程學(xué)院學(xué)報(bào);2007年02期

2 李天偉;黃謙;郭模燦;何四華;;圖像塊混沌特征在海面運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用[J];中國造船;2011年02期

3 李軍;部分圖像塊的顯示及特技制作技巧[J];電腦編程技巧與維護(hù);1997年04期

4 李生金;蒲寶明;賀寶岳;王維維;;基于圖像塊的滯留物/移取物的檢測(cè)方法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年01期

5 趙德斌;陳耀強(qiáng);高文;;基于圖像塊方向的自適應(yīng)無失真編碼[J];模式識(shí)別與人工智能;1998年01期

6 陳琦,李華,朱光喜;一種新的應(yīng)用于屏幕共享的圖像塊識(shí)別算法[J];電訊技術(shù);2000年06期

7 劉尚翼;霍永津;羅欣榮;白仲亮;魏林鋒;項(xiàng)世軍;;基于圖像塊相關(guān)性分類的加密域可逆數(shù)據(jù)隱藏[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2013年05期

8 陳奮,閆冬梅,趙忠明;一種快速圖像塊填充算法及其在遙感影像處理中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2005年10期

9 馬文龍,余寧梅,銀磊,高勇;圖像塊動(dòng)態(tài)劃分矢量量化[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年02期

10 李維釗,王廣偉;圖像塊平坦測(cè)度與系數(shù)掃描方式選擇[J];山東電子;2000年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 李趙紅;侯建軍;宋偉;;基于圖像塊等級(jí)模型的多重認(rèn)證水印算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

2 鐘凡;莫銘臻;秦學(xué)英;彭群生;;基于WSSD的不規(guī)則圖像塊快速匹配[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 欽夏孟;稠密圖像塊匹配方法及其應(yīng)用[D];北京理工大學(xué);2015年

2 霍雷剛;圖像處理中的塊先驗(yàn)理論及應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 宋偉;幾類數(shù)字圖像水印算法的研究[D];北京交通大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張書揚(yáng);基于冗余字典的圖像壓縮感知技術(shù)研究[D];吉林大學(xué);2016年

2 魏譜躚;基于圖像塊特征的焊縫識(shí)別算法研究[D];西安科技大學(xué);2014年

3 杭仁龍;基于主動(dòng)學(xué)習(xí)的遙感圖像分類研究[D];南京信息工程大學(xué);2014年

4 劉尚翼;加密域可逆信息隱藏研究[D];暨南大學(xué);2014年

5 張曉旭;圖像內(nèi)容可恢復(fù)的變?nèi)萘看嗳跛∷惴ㄑ芯縖D];西南交通大學(xué);2014年

6 徐兆涵;人臉識(shí)別中尋找人臉結(jié)構(gòu)對(duì)稱性的方法[D];浙江工業(yè)大學(xué);2003年

7 王榮麗;基于半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤方法研究[D];浙江師范大學(xué);2015年

8 陸杰;使用自組織增量神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)單層非監(jiān)督特征學(xué)習(xí)[D];南京大學(xué);2015年

9 程寶田;基于精細(xì)認(rèn)證和迭代補(bǔ)償機(jī)制的數(shù)字圖像認(rèn)證與恢復(fù)算法[D];北京交通大學(xué);2012年

10 梁陽;基于子空間學(xué)習(xí)的人臉模態(tài)變換[D];浙江大學(xué);2013年

，

本文編號(hào)：820463