1、基于宽基线的弱纹理特征点提取与匹配方法研究 汇报人： 专 业：模式识别与智能系统 导 师： 东华大学博士学位论文预答辩 智能系统与网络智能实验室 1. 研究背景及意义 2. 研究内容和创新点 3. 特征点提取与匹配技术综述 4. 基于自相似算子的特征点提取方法 5. 基于纹理合成的弱纹理区域特征点提取方法 6. 基于 Meanshift的特征描述子构造方法 7. 总结与展望 8. 攻读博士学位期间的成果 主要内容 基于宽基线的弱纹理特征点提取与匹配方法研究 智能系统与网络智能实验室 1. 研究背景及意义 研究背景 数字测量 三维重建 立体视觉 图像识别 图像跟踪 宽基线特征点提取 鲁棒性 强
2、对不同视角下所拍摄的二维图像，能够采集到同名特征，便于后续的三维重建及图像或视频分析技术的应用，对遮挡、背景模糊、光照变化等情况具有较高的鲁棒性， 非接触 可通过非接触的方式获得可靠精准的量测信息，并具有通过二维图像感知三维环境信息的能力，包括形状、位置、姿态、运动等。 应用 领域 在目前的计算机视觉研究领域中，该方法作为后续应用的基础，已成为研究领域的核心之一，具有广阔的应用空间。 智能系统与网络智能实验室 1. 研究背景及意义 弥补了传统特征点提取算法在图像的弱纹理区域中无法提取特征点的 使其能在纹理较弱的区域提取到足够多的特征点。 增加了稠密匹配算法中匹配点的数目，并增强了其在实际应用中
3、的 准确性。 扩展了立体匹配方法的应用领域，使其可在宽基线情况下获取图像的 深度信息。 研究意义 基于宽基线下的特征点提取及匹配方法，扩展了经典算法的应用领域，加强了传统方法在 稠密匹配 ， 图像深度 获取等应用领域的适用范围。 智能系统与网络智能实验室 2. 研究内容和创新点 分析了二维图像中，弱纹理区域的性质，并据此设计了一种基于自相似性算子的特征点提取方法，同时，根据稀疏表示理论设计了一种适用于弱纹理特征点的匹配方法。 研究内容 分析了弱纹理区域的性质，并据此实现了弱纹理区域的特征 点提取与匹配 根据弱纹理区域的性质，设计一种基于纹理合成的仿射变换方法，用于增加 弱纹理区域的纹理信息，并
4、使之用于特征点提取 扩展了经典特征点提取与匹配算法在弱纹理区域无法提取到特征的缺陷，在图像对应信息不变的情况下，采用纹理合成方法增加了弱纹理区域的纹理信息，并将其应用于特征点提取方法中。 设计在宽基线情况下的图像深度信息获取方法 在 Meanshif的启发下，设计了一种窗口自适应的特征描述子，该特征描述子可通过特征点周围的纹理信息自适应的调整窗口大小，并将其应用于宽基线情况的图像深度信息获取中。 智能系统与网络智能实验室 2. 研究内容和创新点 创新点 特征点提取阶段：基于 Self- Similarity设计了一种弱纹理特征点提取方法， 提出了基于尺度空间的半径自适应机制；特征点匹配阶段 :
5、 提出了基于稀 疏表示理论的特征点匹配方法。 根据弱纹理区域的特征提出一种纹理添加算法，在传统纹理合成算法的基 础上提出一种适用于特征点提取的纹理合成算法，根据图像对之间的关系 计算出相应的仿射变换，提出了一种基于 Graph Cut 算法的特征点匹配调整 算法。 基于 MeanShift算法提出了窗口自适应的特征点描述子方法，在宽基线的图 像深度信息获取中，提出了一种基于 Graph Cut算法的视差图获取机制。 智能系统与网络智能实验室 3. 特征点提取与匹配技术综述 特征点提取与匹配综述 三维重构 图像识别 视频跟踪 数字测量 深度感知 应用领域 国内外研究现状 特征点提取与匹配方法 特
6、征点提取 特征点匹配 Harris Harris-Laplace Harris-Affine Hessian-Affine SIFT(具有特征描述子 ) SURF(具有特征描述子 ) 欧式距离 图 1. 特征点提取与匹配方法分类 智能系统与网络智能实验室 面临挑战 当两幅图像存在变化时，得到稳定的不变特征点。 在图像对之间得到尽可能多的特征点。 在弱纹理区域得到稳定的特征点 。 3.特征点提取与匹配技术综述 智能系统与网络智能实验室 特征点提取与匹配系统 3.特征点提取与匹配技术综述 图 2. 特征点提取与匹配步骤 智能系统与网络智能实验室 4.基于 Self- Similarity的弱纹理 特征点提取与匹配算法 - 克服传统方法在弱纹理区域中无法检测到特征点的缺陷， 构造一种能够在该区域中检测到稳定特征点的方法。 研究目标 研究目标与内容 构造一种弱纹理特征点提取方法 设计一种适用于弱纹理区域的特征点匹配方法 将所提出的方法用于稠密匹配中 研究内容
