圖像輪廓提取與三維重建關(guān)鍵技術(shù)研究.pdf

1、從圖像中獲取景物的三維信息屬于一個多學(xué)科交叉的研究領(lǐng)域，它涉及到射影幾何學(xué)、數(shù)字圖像處理、計算機圖形學(xué)、計算機視覺等許多學(xué)科的理論，是目前研究的熱點之一。三維重建就是通過二維圖像中基元(如點、線、面)來恢復(fù)目標(biāo)的三維空間信息，需要研究三維空間中點、線、面的三維坐標(biāo)與二維圖像中對應(yīng)點、線、面的二維坐標(biāo)之間的關(guān)系，實現(xiàn)定量分析物體的大小和空間物體的相互位置關(guān)系。其主要過程是通過對圖像的特征提取、特征匹配、圖像關(guān)鍵特征的重建、三角化以及數(shù)據(jù)融

2、合生成物體完整的三維結(jié)構(gòu)。這種三維信息或三維模型在虛擬植物可視化、數(shù)字娛樂、產(chǎn)品外觀設(shè)計、虛擬場景的模擬等諸多領(lǐng)域具有廣泛的應(yīng)用價值。
　　 根據(jù)二維圖像的信息實現(xiàn)三維空間輪廓曲線的重建已取得了一定的研究成果，但是現(xiàn)有的重建方法存在很多局限性，其中重建的覆蓋域是一個重要的問題?，F(xiàn)有的方法對工程中規(guī)則的曲線(如雙曲線、拋物線等)或人造物體的輪廓(房屋，家具等)的空間重建能夠產(chǎn)生很好的效果，但是對自然景物輪廓或不規(guī)則物體的空間重建存

3、在著一定的局限性。本文利用單個相機從不同角度獲取同一景物的二維圖像，研究了景物外形輪廓的提取和重建方法。主要從景物圖像邊緣輪廓的提取、特征檢測、輪廓曲線分段、特征匹配、射影重建及準(zhǔn)歐氏重建幾個方面進行了詳細(xì)的闡述和實現(xiàn)技術(shù)的研究，取得了一些研究成果，實現(xiàn)了從圖像景物輪廓的二維信息獲取三維空間的輪廓信息。
　　 圖像基本特征的獲取是高層處理如物體的識別，重建或形狀分析與描述等的基礎(chǔ)。本文通過對圖像中景物特征的分析，提出了一種基于小

4、波與分形相結(jié)合思想的新算法進行圖像邊緣輪廓提取，并給出了分形維數(shù)標(biāo)準(zhǔn)化的概念。該算法首先計算每個像素點鄰域在彩色圖像三個顏色分量的分形維數(shù)，然后對三個顏色分量上的分形維數(shù)進行標(biāo)準(zhǔn)化，根據(jù)標(biāo)準(zhǔn)化后的分形維數(shù)合成圖像，最后利用小波分解合成后的圖像的灰度直方圖，根據(jù)小波分解系數(shù)自動確定提取邊緣的閾值。該算法不僅充分利用了相鄰像素點間的空間關(guān)系，而且提高了邊界提取的自動化程度。
　　 基于高層的不同處理，本文提出了兩種輪廓曲線分段的方法

5、，即基于特征點的輪廓分段方法和基于曲率-分形的分段方法。基于特征點的輪廓分段方法首先根據(jù)曲線段的協(xié)方差矩陣的特征值與曲線上點的曲率之間的關(guān)系檢測輪廓的特征點，然后利用這些特征點進行輪廓分段。特征點檢測算法首先計算不同支撐區(qū)域下曲線上每個點的曲率，然后對每個點在不同支撐區(qū)域下的曲率進行乘積，最后利用曲率乘積直方圖的波峰對應(yīng)的點確定特征點集。該方法不僅避免了直接根據(jù)曲率定義進行特征點檢測所存在的問題和閾值的設(shè)置，提高了特征點檢測自動化程度，

6、而且能夠抑制噪聲和偽特征點，因而提高了輪廓分段的準(zhǔn)確性和自動化程度?；谇?分形的分段方法利用曲線曲率進行柵格圖矢量圖的轉(zhuǎn)化，根據(jù)轉(zhuǎn)化過程中產(chǎn)生的誤差與曲線段長度的關(guān)系把曲線分成不同的曲線段，然后計算出每個曲線段的分形維數(shù)，對分形維數(shù)相近的曲線段進行合并，使曲線上形狀相似的部分分為同一段。
　　 通過分析點、線段之間的幾何關(guān)系，基于檢測出的曲線上的特征點，本文提出了一種新的曲線段匹配方法。主要思想是根據(jù)曲線上的特征點和重點，對

7、輪廓曲線進行分段，每個端點都可能與其他的一個或多個端點相連，也就是說，每個點都可能是一條或多條曲線段的端點。首先利用正規(guī)化交叉相關(guān)系數(shù)NCC和亮度均方差A(yù)SD方法對端點進行粗略匹配，把兩視圖的曲線段的端點集劃分為多對多的匹配點對，然后利用動態(tài)規(guī)劃算法以邊界勢能為衡量標(biāo)準(zhǔn)對匹配點對間的曲線段進行最優(yōu)化匹配。該算法充分利用了圖像的特征點、特征點與曲線段的關(guān)系以及圖像灰度的空間關(guān)系，而且減小了搜索空間，提高了算法的效率。
　　 在輪廓