《面向三維重建的寬基線立體影像匹配若干問題研究》是依託中國礦業大學，由楊化超擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向三維重建的寬基線立體影像匹配若干問題研究
- 項目類別：青年科學基金項目
- 項目負責人：楊化超
- 依託單位：中國礦業大學
項目摘要,結題摘要,
項目摘要
寬基線立體影像匹配已成為制約其三維重建實際套用的瓶頸問題，對其進行研究具有重要的理論和實際意義。本項目通過集成計算機視覺的Harris-Laplace及SIFT兩類具有互補特性的尺度不變特徵點，系統研究寬基線影像的快速、可靠匹配策略和方法及其物方定位精度評價問題。包括：（1）在研究兩類特徵點快速檢測的改進措施和方法的基礎上，研究建立基於空間分布均衡性及尺度空間信息熵雙重約束的集成特徵快速、組合最佳化提取模式；（2）基於寬基線影像雙向全匹配的概念和策略並綜合考慮到匹配的速度和精度，分別研究基於相關係數擬合的最小二乘稀疏匹配方法及基於特徵匹配的快速、可靠匹配傳播策略和方法。匹配傳播策略主要包括：鄰域尺度參數傳遞及仿射變形改正、基於流形學習降維的梯度形態特徵描述符提取、空間分布均衡性約束及匹配點精確定位等；（3）對上述理論和方法進行系統集成及套用，構建寬基線攝影測量的三維重建套用和評價體系。
結題摘要
本項目針對寬基線立體影像匹配中的稀疏匹配及密集匹配涉及的若干問題展開了研究。主要成果如下：（1）提出了一種基於SIFT的最小二乘匹配算法。算法首先基於特徵點的空間分布和信息熵選取一定數量的最優SIFT特徵點集，並採用基於奇異值分解（Single Value Decomposition，SVD）的SIFT特徵匹配、基於SIFT特徵尺度和方位信息的自適應歸一化互相關(Normalized Cross Correlation，NCC)匹配獲得精度較高的初始匹配點用於立體像對的基本矩陣和單應矩陣估計。然後在對極幾何和單應映射的雙重約束下，基於自適應NCC及距離加權的多尺度最小二乘匹配算法進行擴展匹配並同時保留匹配定位精度較高的原始SIFT特徵點對。算法綜合套用了基於積分影像的NCC快速計算、金字塔影像匹配等方法和策略。最後選取了實際的寬基線序列立體影像進行試驗並同原始的SIFT特徵匹配算法、基於SVD的SIFT算法進行了綜合對比分析；（2）以上述最小乘匹配提供初始種子點，有針對性地逐次遞進地設計並提出了面向不同場景類型的匹配傳播算法，分別為：①基於局部單應約束的匹配傳播算法及其在影像配準中的套用；②在局部單應約束的匹配傳播算法基礎上，設計了一基於SIFT的顧及特徵提取重複率的寬基線立體影像多階段準密集匹配算法；③將提出的多階段準密集匹配算法擴展到具有較大深度變化的複雜場景。本項目發表相關研究論文5篇，（其中SCI檢索1篇，EI檢索3篇）完成了既定的研究目標和任務。
