立体匹配技术在波浪摄影测量中的应用研究

摘要

本文以双目摄影波浪测量技术为背景，以增加特征点匹配对数目、降低误匹配率为目的，研究双目视觉里立体匹配技术的特征提取与特征匹配，并将改进的立体匹配算法应用于水槽波浪的浪高测量。
　　首先，介绍经典的特征提取算法Moravec、Harris与SIFT，并进行仿真实验与波浪图像的特征提取，实验结果表明Harris角点分布更能反映波浪结构，在波浪图像发生多种变化时SIFT特征提取的稳定性最好。
　　接着，介绍金字塔匹配与SIFT匹配，并分别进行仿真实验与波浪图像的特征匹配，实验表明SIFT匹配处理波浪图像时误匹配率不高，但匹配对数目少。
　　然后，针对 SIFT算法处理波浪图像时匹配对数量少、误匹配对等缺点，本文提出了一种改进的立体匹配算法。特征提取部分，采用Harris亚像素角点替代DoG极值点，通过改变Harris角点响应阈值改变特征点数量。Harris亚像素角点是通过二次多项式逼近角点响应值的方法得到的。特征匹配部分，采用双向匹配策略剔除误匹配对，在双向匹配策略中采用极线约束确定候选匹配集。实验结果表明，本文的改进算法与传统SIFT算法相比，不仅误匹配率较低，而且匹配对数量有了明显增加。
　　最后，为了验证本文立体匹配改进算法在波浪图像上的可应用性，采用本文的改进算法处理室内实验与循环水槽实验采集的波浪图像，并将匹配结果用于三维重建得到波浪的三维立体图与等高线图。实验结果表明，三维立体图的波形、波向与实际波浪的相同；水槽实验中标记处的两组波高测量值与实际值误差分别约为2.67％与4.84%。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景及意义

1.2 双目立体视觉概述

1.3 国内外研究现状

1.4 本文研究内容及章节安排

第2章 特征提取

2.1 引言

2.2 Moravec算法简介

2.3 Harris角点检测算法原理

2.4 SIFT特征点检测算法

2.5 不同特征提取算法的实验仿真

2.6 本章小结

第3章 特征匹配

3.1 引言

3.2 基于互相关测度的金字塔匹配

3.3 基于距离度量的SIFT匹配

3.4 金字塔匹配与SIFT匹配在波浪图像上的应用

3.5 本章小结

第4章 改进的立体匹配算法

4.1 引言

4.2 特征提取改进算法

4.3 特征匹配改进算法

4.4 本文立体匹配改进算法的仿真分析

4.5 本章小结

第5章 波浪实验图像的数据处理与分析

5.1 引言

5.2 实验设备及准备工作

5.3 室内实验

5.4 水槽实验

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢