Sift匹配算法毕业论文.doc

第一章 绪论 1.1 研究目的与意义 自然界的物体是三维的，人类通过双眼获取物体的三维立体信息，但一般的摄影系统只能将三维物体以二维的形式保存、记录下来，丢掉了大量的信息。立体视觉是仿照人类利用双目视觉线索感知距离的方法，实现对三维信息的感知，其主要研究如何借助成像技术从图像里获取场景中物体的深度信息[1]。 立体视觉的基本方法是从两个或多个视点去观察同一场景，获得在不同视角的一组图像，然后通过三角测量原理获得不同图像中对应象素间的视差，并进而测量两摄像机公共视场内被测物体的三维形状尺寸及空间物点坐标。计算机立体视觉的开创性工作是从20世纪60年代中期开始的。美国麻省理工学院(MIT)的Roberts把二维图像分析推广到三维景物分析，标志这计算机立体视觉技术的诞生，并再随后的20年中迅速发展成一门新的学科，特别是20世纪70年代末，D.Marr[2]等创立的视觉计算理论对立体视觉的发展产生了巨大的影响，现已形成了从图像获取到最终的景物可视表面重建的比较完整的体系。 一个完整的立体视觉系统可以划分为六个模块：分别是①摄像机的选择和图像获取；②摄像机模型及标定；③图像预处理和特征提取；④立体匹配；⑤三维轮廓恢复；⑥深度信息插值。首先选择合适参数的摄像机获得被测物体清晰的像；根据透视变换和坐标转换的原理建立摄像机模型，对摄像机进行标定获得摄像机的内、外结构参数；在图像预处理阶段完成特征提取任务；立体匹配是视觉算法中最为复杂的一环，如何快速准确地完成特征匹配一直是计算机视觉技术中的一大难题；由匹配好的相关点的像面坐标可以求得实际物体三维尺寸信息，完成三维轮廓恢复；然后对稀疏的深度信息图进行插值计算获得详细的深度图。图像匹配是立体视觉系统中最重要的内容。 立体匹配是立体视觉中最重要也是最困难的问题。当空间三维场景被投影为二维图像时，同一景物在不同视点下的图像会有很大不同，而且场景中的诸多要素，如光照条件，景物几何形状和物理特性、噪声干扰和畸变以及摄像机特性等，都被综合成单一的图像中的灰度值。通过二维图像再重构物体三维场景的的过程就是实现立体匹配，要准确地对包含了如此之多不利因素的图像进行无歧义的匹配，显然十分困难。为了作双目图像分析，首先要确定如何表达图像中的目标，即选择能反映目标特征的点、边缘、直线、曲线、区域等代表目标，并提取出这些特征；其次，要找出对应景物中目标同一位置的点在左右图像中的成像，即求解对应性问题，求解过程先从一副图像上的一个点开始，在另一幅图像上有哪些信誉好的足球投注网站出一批候选对应点，最后选出最佳匹配的候选点作为该点的对应点。第三，依据对应性和相机几何，可以求出所要求的三维环境的参数，即求目标或景物中心各点的深度，还可以估计目标表面的参数，例如它们的形状、范围、空间位置与方向，或环境中目标的体积式描述。 1.2 立体匹配研究现状 自世纪年代视觉计算理论产生以来立体视觉技术取得了广泛的应用，立体视觉是一门交叉学科，它与认知心理学和视觉神经系统科学都密切相关。立体视觉问题的彻底解决面临着理论和实验两方面的挑战———自然场景和认知行为的复杂性以及视觉行为的定量理论需要大量实验的证明，因此立体视觉匹配算法的设计还存在着许多未知的理论依据。视觉理论是一门涉及面很广泛且尚未成熟的学科。目前立体视觉的许多应用都是针对具体问题而提出的。对三维场景的恢复基本上局限于景物的可视部分。利用局部信息恢复景物完整的表面信息很困难。立体视觉匹配研究长期存在几个问题，对于非完全漫反射的物体表面、纹理缺乏的图像区域、物体边缘深度不连续和遮挡等现象，匹配算法难以取得准确的视差结果，这些问题的出现将共同对算法的性能产生影响。 目前，匹配算法的设计只能是依靠视觉推理的统计理论知识解决视觉不适定问题。立体视觉匹配的研究基本分为两个方向：从理解人类视觉的立体融合机制出发，建立一种通用的双眼视觉模型；从实际应用和要求出发，建立专用的、面向对象的立体视觉系统。不断挖掘通用的匹配策略和技术，有利于从揭示人类视觉立体融合机制的角度发展通用的双眼视觉模型。此外，立体视觉匹配中的视差不连续（包括遮挡）、纹理平滑和纹理重复等问题一直都是研究人员在努力解决的难点。目前的研究方向主要有以下几点 (1）由传统的双目视觉向多目视觉(静态视觉向动态视觉发展通过增加息输入降低视觉计算的难度。 向智能化方向发展建立基于知识的、模型的和规则的立体视觉方法。 算法的并行化采用并行流水线机制和专用的信号处理器件(增加系统的实用性。 随着对人眼立体视觉系统的深入研究利用视觉梯度对图像匹配过程进行约束(形成了一系列算法用以提高系统的实时性。 利用对人眼选择性注意机制的研究和主动视觉的方法解决视觉计算病态结构问题选择性注意机制将不适定问题转化为适定问题并在已知摄像机的外部参数情况下将非线性问题转