基于彩色描子SIFT的三维重建系统.doc

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于彩色描子SIFT的三维重建系统

项目编号: 吉林大学“大学生创新创业训练计划” 创新训练项目 申请书 项目名称 基于彩色描述子SIFT的三维重建系统 项目负责人 00 所在学院、年级、专业 软件学院 2013级 软件工程 联系电话 电子邮件 @ 指导教师姓名1 职称 指导教师姓名2 职称 填表日期 20年 月 日 吉林大学教务处制表 填表须知 一、本表适用于创新训练项目。本科生个人或团队,在校内导师指导下,自主完成创新性实验方法的设计、设备和材料的准备、实验的实施、数据处理与分析、总结报告撰写等工作。 二、申报书请按顺序逐项填写,实事求是,表达明确严谨。空缺项要填“无”。 三、申请参加大学生创新训练项目团队的人数为3—5人。 四、申请项目,必须聘请教师作为指导老师,并请指导教师在申请书中的指导教师意见栏中签署意见。 五、填写时可以改变字体大小等,但要确保表格的样式不变;不得随意涂改;A4纸正反面打印,左侧装订。 六、本表由项目负责人报所在学院初审,学院签署初审意见后报送教务处实习与实验教学科(一式3份原件)。 七、“项目编号”由教务处填写。 八、申报过程有不明事宜,请与教务处实习与实验教学科联系,电 项目名称 基于彩色描述子SIFT的三维重建系统 项目起止时间 2015 年 5 月 至 2016年 5 月 负责人 姓名 学院 专业 教学号 联系电话 E-mail QQ 各类实验班 院 工程 是□ 否■ 项目组成员 工程 是□ 否■ 学院 工程 4 是□ 否■ 学院 工程 1 是□ 否■ 是□ 否□ 指导教师1 姓名 职务/职称 所在单位 联系电话 E-mail 对本课题相关领域研究情况 中国系统仿真学会仿真计算机与软件专业委员会委员,作为主要研究人员长期参与智能信息系统与嵌入式技术、计算机图像处理与可视化领域的研究,能够指导学生完成该项目。 指导教师2 姓名 职务/职称 所在单位 联系电话 E-mail 对本课题相关领域研究情况 项目性质 1.小发明、小创作、小设计( ) 2.开放实验室或实习基地中的创新性实验或新实验开发( ) 3.基础性研究( ) 4.应用性研究(√) 5.社会调研 ( ) 项目选题来源 1.自主立题(√) 2.教师科研课题的子项目( ) 项目学科类别 计算机科学与技术 项目受其他渠道资助情况(填“无”或具体资助来源和经费,包括获奖情况) 无 一、立项背景和依据(包括研究目的、国内外研究现状分析与评价、研究意义,应附主要参考文献及出处) 人类利用眼睛以及大脑来获取视觉并感知外部世界。视觉,不仅是指对光信号的感受,它还包含对视觉信息的获取、传输、处理、存储以及理解等整个过程。计算机及数字信号处理理论出现后,人们开始利用摄像机来获得环境图像并将其转换为数字信号,通过计算机来实现对视觉信息处理的全过程,这样,就形成了一门新兴的学科——计算机视觉[1],也称机器视觉。 计算机视觉涉及到多个学科,对其进行研究需要了解包括计算机、信号处理、模式识别、控制理论、神经网络、数学以及神经生理学等方面的知识。计算机视觉的研究范围也相当广泛,主要包括:目标检测与识别、边缘提取、摄像机定标(Camera Calibration)、特征点提取与匹配以及三维重建等方面。 SIFT特征匹配算法由Lowe在1999年首次提出,2004年完善并做出详细的总结和实现方法,是一种基于尺度空间的、对图像缩放、旋转甚至仿射变换依然保持不变性的基于特征的匹配算法。该算法能提取稳定的特征点,并处理两幅图像之间发生平移、旋转、仿射变换、视角变换等情况下的匹配问题,具有很强的鲁棒性,是目前匹配性能最好的,研究最广泛的一种基于特征的配准算法。 在SIFT算法被提出后,国内外众多学者做了大量的改进研究,以提高特征匹配速度和匹配性能,尤其在基于灰度信息的SIFT改进算法上做了大量工作。在降维处理方面最著名的是Yan ke在2004年提出的PCA-SIFT算法,他将主成分分析技术(PCA)应用于梯度图像,以获取PCA-SIFT特征向量进行图像匹配。该算法能够有效去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构,提高了 SIFT特征描述向量的鲁棒性和匹配性能,同时减

文档评论(0)

1444168621 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档