非刚性运动恢复结构算法性能稳定性问题研究.pdf

摘要 嘲掣必 摘要 近年来，三维重构技术己成为计算机视觉研究领域的一个重要分支，并被广 泛应用到其他领域，如医学图像处理，机械产品诊断，机器人导航等。在众多三 维重构算法中，从二维图像特征点序列恢复变形物体的三维结构以及运动信息的 structurefrom 非刚性运动恢复结构(Non—rigid motion：NRSFM)模型重构方法，由 于较方便且成本低，得到了广泛的研究和应用。 目前存在一些非刚性运动恢复结构模型的算法重构效果较好，但也存在了些 问题。一方面，物体运动过程中，由于遮挡、旋转等因素，获取的二维图像序列 中，部分帧的特征点信息不完整。对于有缺失分量的观察值，进行深度估计时， 首先应该进行缺失值估计。目前存在的缺失值估计算法在小样本情况下对缺失值 的估计效果不理想，估计精度有待于进一步提高。另一方面，三维运动恢复算法 的参数变化时，运动恢复的结果也会相应发生变化，因此会造成算法性能不稳定， 以及运动恢复效果不理想等问题。 针对上述问题，本文开展了以下两方面的研究工作： 第一，利用非刚性运动恢复结构模型的列空间拟合算法(columnspacefitting： CSF)，提出了一种基于样本子空间的缺失值估计集成模型，来提高缺失值估计 的精度。在我们提出的方法中，首先从原有的图像序列中提取出部分子序列，并 用CSF算法对各个子序列分别进行缺失值估计。然后，建立线性规划模型，计 算最优加权系数，对弱估计器得到的估计结果进行线性加权，获得的结果作为最 invariant 终的估计值。第二，提出基于旋转不变核算法(rotationkernels：RIKs)的 三维重构集成方法，以降低参数变化造成的估计性能的波动，并有效提高重构的 精度。在我们的工作中，首先对影响重构结果的参数进行网格化划分，并分别把 每一组参数值输入到NRSFN．R／Ks算法中，估计特征点的三维坐标值。然后， 对估计结果计算截尾平均，作为最终的重构结果。 本文提出的两种方法分别在多组被广泛应用的图像序列上进行了实验。实验 结果表明，我们提出的算法，有效改善了目前方法存在的一些关键问题，并进一 步提高了非刚性运动恢复结构模型的重构效果。 关键词：三维重构；非刚性运动恢复；缺失值估计：列空间拟合；旋转不变核 万方数据 非刚性运动恢复结构算法性能稳定性问题的研究 Abstract Inrecent reconstructionhasbecomean branchinfieldof years，3D important itis to asmedical computervision，and areas，such widelyappliedmany image ofmechanical such3D processing，diagnosis products，robotnavigation，etc．In reconstruction structurefrom