基于三维重建的图像特征点检测和匹配技术的分析-analysis of image feature point detection and matching technology based on 3d reconstruction.docxVIP

Keywords: 3D reconstruction; Feature point detection; Feature points matching; Harris algorithm; SIFT algorithm Directed by: Prof. HQU Zhenjie App Iicant for Master degree: ZHAQ Le i(Computer Applicatio n Technology) (College of Computer and Inforlllation Engineering. Inner Mongolia Agr icultuJalU阳versity. Hohhot 010018. China)  目 录 1 引言 1 1.1 三维重建理论的提出以及发展现状 1 1.2 研究意义2 1.3 问题的提出 2 1.4 研究内容和基本框架 3 2 基于 Harris 和 SUSAN 的自适应特征点检测算法 3 2. 1 特征点检测技术的概况 3 2.2 Harris 特征点检测算法 5 2.2.1 Harris 特征点检测算 子理 论. 5 2.2.2 Harris 特征点检测算 法流程 7 2.2.3 Harris 特征点检测算法不足之处 8 2.3 最小核值相似区角点检测 (SUSAN) 算法 8 2.3.1 SUSAN 特征点检测算法原理及其计算方法 8 2.3.2 SUSAN 特征点检测算法流程. 10 2.3.3 SUSAN 特征点检测算法不足之处. 10 2.4 基于 Harris 的 自适应角点检测算法. 11 2.4.1 算法描述 11 2.4.2 算法仿真与实验分析 12 3 基于 S1FT 图像匹配算法的改进 17 3.1 图像匹配算法概况 17 3.2 图像匹配方法分类 17 3.2.1 区域匹配 17 3.2.2 相位匹配 17 3.2.3 特征匹配 18 3.3 S1FT 算法的基础理论 19 3.3.1 尺度空间的建立 19 3.3.2 特征点定位 20 3.3.3 精确定位特征点的位置. 21 3.3.4 关键点方向分配 22 3.3.5 特征点描述算子生成 23 3.3.6 匹配 23 3.4 改进的 S1阿算法 23 3.4.1 改进算法描述 24 3.4.2 特征向量维数 的确定 25 3.4.3 $ 法仿真与分 析 27 4 总结和展望 28 4.1 总结 28 4.2 展望 29 致谢 30 参考文献 .创 作 者简介 34  插图和附表清单 |刽 1 Harris 特征点检 测l原理剧 6 剧 2 Harris 算法流程剧 8 阁 3 SUSAN 算法根板图 9 阁 4 山川区域特征阁 9 阁 5 特征点检测实验原因 13 剧 6 特征点检 测实验加蝶原因 13 剧 7 阙值 T=30000Harris 特征点检测 刽 14 阁 8 阀值 T=20000Harris 特征点检测阁 14 阁 9 阀值 T=10000Harris 特征点检测算法阁 15 阁 10 改进的自适应特征点检测算法阁 15 剧 11 阙值 T=20000 是特征点检 测算法加l垛闺 16 剧 12 改进的白适应特征点检 测算法力11 垛剧 16  HYPERLINK \l _TOC_250000  阁 13 OOG 金字熔构建 20 阁 14 极值点检测 21 阁 15 由关键点邻域梯)jt信息生成特征向盐 23 剧 16 改进的 SIFT 特征描述符 25 剧 17 正确匹配率和向盐维数的关系 26 剧 18 匹配时间和向盐维数的关系 26 阁 19 匹配效率和向盘维数的关系 27 阁 20 特征点匹配实验结果阁 28 表 l 没有l噪声剧像特征点检 测结果表 16 表 2 1噪声剧像特征点检 测结果表 17 表 3 图像匹配数据 比较 28  1 引言 1.1 三维重建理论的提出以及发展现状 据统计， 人类感知外界信息 ，80%是通过视觉得到的 (.)。而且在现实世界中， 人们感受到的大部分是 三 维信息，因此人们更加关心的是如何获得更多的 三维信 息。自然界的物体都是 三维的， 三锥体的数据中蕴含着丰富细腻的物体结构，人类 通过双眼来获得物体的 三 维立体信息 ，但是一般的摄影系统只能做到把 三维的物体 信息以二维的形式记录下来 ，而与此同