指导教师杨涛提交时间2015327.PDFVIP

数字图象处理作业 指导教师 ： * * 提交时间： 2015.3.27 The task of Digital Image Processing 数字图像处理 School of Computer Science No: 第一次作业 姓名 ： 张建鹏 学号 ：2012302582 班号 ： 数字图象处理作业 层叠哈希的快速、准确图像匹配的3D 重建 Jian Cheng, Cong Leng, Jiaxiang Wu, Hainan Cui, Hanqing Lu 模式识别国家实验室，自动化协会，中国科学研究院 {jcheng,cong.leng,jiaxiang.wu,hncui,luhq}@nlpr.ia.ac.cn 摘要 在3D 重建中，图像匹配是最具挑战性的阶段，它通常占据了一半的电脑消耗 并且不精确的匹配可能导致重建失败。所以，快速、准确的图像匹配对于3D 重 建来说是非常重要的。在这片文章中，我们推荐用串级散列的方法来加速图像的 匹配速度。为了加速图像的匹配速度，被推荐的串级散列方法被设计成三层结构： 散列查找，散列重映射，散列排序。每一层都采取了不同的方法和被证明过对噪 声具有不敏感性的过滤策略。大量的实验表明，通过上百次的图像匹配，和无理 性强力匹配相比，我们实现了能够使其匹配速度更快。在保持相似的精确度的情 况下，我们的速度甚至是基于KD 树匹配的十倍以上。 1.介绍 在计算机视觉界，3D 重建是一个经典的、具有挑战性的难题，并且发现它在 不同的领域都有应用。最近几年，大规模社会照片集合的3D 重建（例如，旅游 照片[18]）已经变成了一个新兴的研究课题，这吸引了越来越多的来自各个学院 和工厂的研究人员。然而，3D 重建的计算是极其昂贵的。举个例子，它可能在 一台简单的机器上花费超过一天的时间来重建一个只有一千张照片的项目。在运 动（SFM）模型[1,4]的结构中，3D 重建途径可以被分为几个步骤：特征提取， 图象匹配，跟踪生成和集合估计，等等。在这当中，图像匹配占据了主要的计算 成本，甚至在某些情况下超过半数。此外,不准确的匹配结果可能会导致重建失 败。因此,快速、准确的图像匹配是三维重建的关键所在。 数字图象处理作业 图象匹配技术大致可以分为三类:点匹配、线匹配和区域匹配。由于其鲁棒性 变化的启发,仿射变换和观点的变化,点匹配已收到关注,并且在过去的几十年里 [13,2]，许多有效的算法已经被提出。然而,点匹配通常是非常耗时的。两两图 像匹配中，经过详细比较两个图象中的所有特征点，其计算复杂度为O(N2),其 中N 是在每一个图象中特征点的平均数量。 作为一种替代方法，近似最近邻（ANN）搜索已经被研究用来在3D 重建中取代 详尽匹配的方法。一个经典范式是基于树的方法，它趋向于用高效的数据结构来 存储数据，并且使得搜索操作比那的相当快，通常它的复杂性为O(log(N))。基 于树的代表性的算法有Kd-树，M-树和ball-树[15]，在这当中Kd-树可能是在 文学3D 重建中使用最为广泛的策略[1,4]。然而,高维度将在一定程度上恶化树 型方法的效率,甚至使他们执行得比幼稚的方法更糟糕（如，线性扫描）。 由于在存储和速度两方面的效率,在过去的几年中[9,7]，基于哈希的ANN 搜索 方法已经吸引了很多人的关注。散列将图象所有的特征表现转换为二进制码,然 后以极快的速度进行按位异或操作。哈希策略第一次在3 d 重建LDAHash[19]引 入匹配过程。LDAHash 对二值化前的描述符执行线性判别分析(LDA)。然而， LDAHash 使用一个详尽的