图像建模中立体匹配问题的研究

论文摘要

随着计算机性能的不断提高和计算机技术的不断发展,真实场景的三维模型越来越多地出现在各种计算机软件中,成为计算机软件表现现实世界的一种重要手段。相对于传统的三维模型构造手段,图像建模技术以其成本低廉、操作简单、具有高度真实感的建模方法等优点,逐渐成为计算机图形学和计算机视觉领域的研究热点。立体匹配是计算机视觉和图像建模研究中最基本的关键问题之一,该技术通过像点的视差来获取深度或距离,可以为三维重建、机器人导航等提供有用的信息。在实际应用中,因为变形、扭曲、遮挡等情况的影响,立体匹配是一个较难解决的问题。本文对图像建模中的立体匹配相关理论及一些方法进行了研究,提出了改进算法,并做了实验进行验证。论文的主要研究成果包括以下几点:在现实世界中,很多场景会包含有大块的纹理单一区域,增强纹理单一区域的立体匹配能力有利于提高立体匹配算法的性能。针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了区域整体匹配的解决方案。该方案首先将图像分割成纹理单一区域和纹理丰富区域,然后将整个纹理单一区域作为匹配基元以得到纹理单一区域的稠密视差图。相对于点基元,区域基元包含的信息更多,且在图像中不易重复出现,因此可以有效减少因缺少纹理信息引起的误匹配。根据区域整体匹配的解决方案,提出了基本算法。该算法利用灰度共生矩阵描述图像的纹理特征,并通过灰度共生矩阵的对比度、熵和相关性特征来分割和匹配纹理单一区域。在求解纹理单一区域的视差值时,提出关键点的概念,有效解决了由于图像间纹理的细微差别使得匹配的纹理单一区域的大小形状不同所带来的问题。通过对国际标准图像上测试的实验,验证了算法的有效性。区域整体匹配的关键步骤是纹理单一区域的分割和匹配。针对纹理单一区域的特点,提出利用Laws纹理模板对图像纹理特征进行分析描述,然后进行基于直方图的分割,得到纹理单一区域。对于各种场景图像,通过分析比较各种Laws纹理模板组合,能够得到最好的分割效果。相对于灰度共生矩阵描述和分割纹理单一区域的方法,该方法能提高纹理单一区域的识别率和分割阈值选取的鲁棒性,这有助于提高基于区域整体匹配的基本算法的匹配精度和实用价值。光照强度发生变化会对基于灰度共生矩阵的纹理描述方法产生影响,这不利于纹理单一区域的分割和匹配。针对此问题,提出基于LBP/C纹理分析的立体匹配算法。该算法利用LBP/C算子不受光照变化的优点,提出通过判断局部对比度LC的值是否在0值附近,来确定像素点是否位于纹理单一区域中,并通过LBP的值来匹配纹理单一区域。相关实验验证了该算法能够有效地分割和匹配纹理单一区域。尺度变化会给物体的外观带来了较大变化,这将影响基于纹理特征的立体匹配算法的正确率。为了消除立体像对之间尺度变化所带来的影响,提出基于分形的多尺度图像区域立体匹配算法。该算法通过基于双毯的局部分形维数对像素点的局部纹理特征进行描述,进而统计图像区域内像素点的局部分形维数的分布特征,以此来描述图像区域的纹理特征。实验结果表明,相对于基于灰度共生矩阵的图像区域立体匹配算法,基于分形的多尺度图像区域立体匹配算法很好地匹配了尺度存在差异的图像区域,能够改进基于区域整体匹配的基本算法的性能。最后对论文进行了总结,并给出了论文的不足和今后研究工作的方向。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题背景
• 1.2 研究意义与目的
• 1.3 国内外研究现状
• 1.3.1 三维模型建模方法
• 1.3.2 图像建模方法
• 1.3.3 立体匹配算法
• 1.4 本文研究内容
• 1.5 本文组织结构
• 2 立体匹配相关技术与理论
• 2.1 引言
• 2.2 人类视觉到计算机视觉
• 2.3 MARR 的视觉理论框架
• 2.4 计算机立体视觉深度感知方法
• 2.5 立体匹配的几何基础
• 2.5.1 坐标系变换和刚体变换
• 2.5.2 摄像机参数和透视投影
• 2.5.3 立体匹配与三角测量
• 2.5.4 极线几何
• 2.5.5 立体矫正
• 2.5.6 视差图与深度图
• 2.5.7 典型变换
• 2.6 立体匹配算法
• 2.6.1 立体匹配算法分类
• 2.6.2 立体匹配基本约束和假设
• 2.6.3 立体匹配算法评价
• 2.7 稠密匹配算法的四个计算步骤
• 2.8 本章小结
• 3 基于区域的立体匹配算法
• 3.1 引言
• 3.2 区域整体匹配的解决方案
• 3.3 基于区域整体匹配的基本算法
• 3.3.1 纹理单一的度量
• 3.3.2 基于区域增长的图像分割
• 3.3.3 纹理单一区域的匹配
• 3.3.4 匹配区域的视差值求解
• 3.4 实验结果
• 3.4.1 匹配过程
• 3.4.2 匹配质量
• 3.4.3 匹配效率
• 3.5 本章小结
• 4 基于LAWS 纹理能量的纹理单一区域分割
• 4.1 引言
• 4.2 纹理描述方法
• 4.2.1 统计分析方法
• 4.2.2 基于模型的方法
• 4.2.3 信号处理方法
• 4.3 基于LAWS 纹理能量的纹理单一区域分割
• 4.3.1 Laws 纹理模板与特征提取
• 4.3.2 基于直方图的纹理单一区域分割
• 4.3.3 纹理单一区域分割效果评价与Laws 纹理模板选择
• 4.4 实验结果
• 4.5 本章小结
• 5 基于LBP/C 纹理分析的立体匹配算法
• 5.1 引言
• 5.2 LBP 的相关概念
• 5.3 基于LBP/C 的纹理单一度量
• 5.3.1 纹理单一区域度量的有效性实验
• 5.3.2 纹理描述算子对光照强度变化的敏感性实验
• 5.4 基于LBP/C 纹理分析的立体匹配算法
• 5.5 实验结果
• 5.6 本章小结
• 6 基于分形的多尺度图像区域立体匹配算法
• 6.1 引言
• 6.2 分形维数
• 6.2.1 豪斯道夫测度
• 6.2.2 豪斯道夫维数
• 6.3 纹理图像的分形维数
• 6.3.1 基于分形布朗运动模型的维数估计
• 6.3.2 基于双毯的维数估计
• 6.3.3 基于盒计数的维数估计
• 6.4 基于分形的多尺度图像区域立体匹配算法
• 6.4.1 基于双毯的局部分形维数估计
• 6.4.2 局部分形维数的分布特征
• 6.4.3 基于分形的多尺度图像区域立体匹配
• 6.5 实验结果
• 6.6 本章小结
• 7 总结与展望
• 致谢
• 参考文献
• 附录
• A 作者在攻读博士学位期间发表的论文目录
• B 作者在攻读博士学位期间参加的科研项目