基于改进KAZE双目视觉立体匹配算法的研究

摘要

视觉是人与生俱来的一种认知世界和观察世界的重要手段。人类从外部获取的全部信息中约有75％是来自视觉系统。与人类一样，计算机获取信息也越来越依靠本身的视觉系统。随着计算机视觉及图像处理技术的发展，二维的图像信息已不能满足工程的需求，而立体图像信息却弥补了这种不足。因此计算机双目视觉立体匹配的研究就变得很有意义。
　　本文在介绍双目视觉立体匹配基本理论的基础上，通过对SIFT和KAZE两种立体匹配算法的对比分析后发现，KAZE凭借在光照强度变化下鲁棒性强和在视角变化下匹配率更高的特点，体现出其在双目视觉立体匹配中的优势。但是KAZE在双目视觉立体匹配中也存在不足，其运行时间过长，常常会造成获取信息的滞后。为了改进这种不足，本文在传统的KAZE基础上，优化了特征匹配的算法，使双目视觉立体匹配的效率有所提升。
　　传统的KAZE立体匹配算法中，KD树搜索策略是特征匹配的关键。那么优化特征匹配时间，也就是优化KD树。传统的KD树在低维空间中搜索效率高，在高维空间中搜索速度慢，而KAZE算法中检测出的特征点集是基于高维空间的。针对这一问题，本文提出了一种随机KD树搜索算法。首先，根据参考图像和待匹配图像的特征点集随机生成具有不同方向上的KD树，也就是将特征点集进行旋转;其次，为了降低特征点集的时间复杂度，将旋转的特征点集进行Householder矩阵变换;最后，通过采用混合优先搜索队列的方法并行搜索随机生成的KD树。
　　为了验证改进的KAZE算法是否能在双目视觉立体匹配中体现出作用，本文通过使用不同旋转角度、不同光照强度、不同视角的图像，分别用传统KAZE算法和改进KAZE算法对其进行了立体匹配。实验表明:在检测到相同特征点和图像匹配率的基础上，本文提出的算法缩短了运行时间，提高了执行效率。因此，改进的KAZE算法在不但能较好地解决双目视觉立体匹配问题，而且提高了执行效率。

目录

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．2 国内外研究现状与分析

1．3 本文的研究内容及章节安排

第二章 双目视觉立体匹配基本理论

2．1 双目立体视觉原理

2．1．1 基本概念和模型

2．1．2 双目视觉中的视差原理

2．2 摄像机标定

2．2．1 概述

2．2．2 摄像机成像模型

2．2．3 摄像机标定方法

2．3 立体匹配关键技术

2．3．1 特征空间

2．3．2 相似性度量

2．3．3 搜索空间

2．3．4 搜索策略

2．4 本章小结

第三章 SIFT和KAZE立体匹配算法对比分析

3．1 SIFT算法

3．1．1 尺度空间的生成

3．1．2 空间极值点定位

3．1．3 建立关键点特征描述

3．1．4 特征点立体匹配

3．2 KAZE算法

3．2．1 非线性扩散滤波

3．2．2 AOS算法

3．2．3 非线性尺度空间的创建

3．2．4 KAZE特征检测

3．2．5 KAZE特征描述

3．2．6 KAZE特征匹配

3．3 SIFT与KAZE立体匹配实验对比分析

3．3．1 实验准备工作

3．3．2 实验数据分析对比

3．4 本章小结

第四章 基于KAZE立体匹配算法的改进及验证

4．1 最近邻搜索

4．1．1 K近邻算法

4．1．2 K近邻算法的实现

4．2 优化KD树的KAZE特征匹配算法

4．2．1 基本原理论述

4．2．2 实现算法是具体流程

4．2．3 实验样本及方法

4．2．4 实验结果及分析

4．3 本章小结

总结与展望

参考文献

攻读学位期间发表的论文

声明

致谢