计算视觉中三维重建、图像增强及模式分类问题的新方法

摘要

计算视觉是计算机利用其图像采集设备拍摄目标物、分析处理,以帮助或代替人眼和人脑完成相关视觉分析任务的一项科学技术。计算视觉的典型任务包括:识别、运动分析、场景重建、图像增强等。工业生产和生活中的应用包括:指纹/人脸识别、异常监控、三维重构、图像反模糊等。本文的研究工作涉及计算视觉中三个重要的、有着广泛应用的问题:三维重建、图像增强和模式分类,提出并实践新方法。本文的主要贡献包括:(1)在“三维重建”问题域中提出使用“相对极线运动”这一概念,以求解双目立体视觉中的对应点匹配问题。该方法能够有效的匹配和重建“具有大量局部不可区别的运动特征点”的场景。(2)对于“图像增强”的“反模糊”问题,本研究通过构建“对偶相机”,即结合“高分辨率低帧率”和“低分辨率高帧率”两个相机,首次使“多核反卷积”在实践上成为可能,且实验表明使用本文“对偶相机”和“多核反卷积”获得的增强后的图像质量,普遍优于使用经典的广为研究的“单核反卷积”方法的结果。(3)在“模式分类”中,本文提出“样本分布集中”这一概念。本文基于“最近特征线NFL”方法及为了克服其“外部误差”和“内部误差”,提出一种新的模式分类方法——“最近特征线段RNFLS”。分析和实验表明,相对NN,k-NN,NFL,NNL等分类器,RNFLS的“样本分布集中属性”使其在人工和真实数据分类任务中有优异的表现。

目录

摘要

英文摘要

第一章 引言

第二章 相关工作

2.1 三维重建及相关工作

2.2 基于反卷积的图像增强及相关工作

2.3 最近特征线方法的相关工作

第三章 基于相对极线运动的三维视频重建

3.1 基本原理

3.2 基于相对极线运动的三维重建方法

3.2.1 从“场景点”角度定义三维重建问题

3.2.2 轨迹的匹配分数

3.2.3 确立轨迹匹配及特征点匹配

3.3 有效性分析

3.4 实验结果

3.4.1 模拟实验

3.4.2 三维重建不规则运动的光纤花

3.4.3 三维重建飘扬的旗帜

3.4.4 含相互遮挡的不连续表面的三维重建

3.4.5 三维重建动态手势

3.4.6 三维重建动态人脸表情

3.5 讨论

第四章 基于多核反卷积和对偶摄像机的图像及视频增强

4.1 多核反卷积的算法原理

4.1.1 形式化描述

4.2 获取多核信息

4.2.1 对偶相机和空间模糊核

4.2.2 光流和时间模糊核

4.2.3 视频多核

4.3 有效性分析

4.4 实验结果

4.4.1 对偶多核模拟实验

4.4.2 视频多核实验

4.4.3 综合实例:相机抖动、旋转的书

第五章 基于最近特征线段的模式分类

5.1 最近特征线段模式分类方法

5.1.1 特征线段子空间

5.1.2 修订的特征线段空间表示

5.2 RNFLS方法的有效性分析

5.2.1 样本分布集中特性

5.2.2 入侵概率与特征空间维度的关系

5.2.3 计算复杂度

5.3 实验结果和讨论

5.3.1 双螺旋问题

5.3.2 双高斯分布

5.3.3 真实世界分类问题

第六章 结论与展望

参考文献

攻读学位期间发表的论文

致谢