基于SIFT特征描述子的立体匹配算法研究

《基于SIFT特征描述子的立体匹配算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文基于SIFT特征描述子的立体匹配算法研究姓名：宰小涛申请学位级别：硕士专业：模式识别与智能系统指导教师：赵宇明20070101上海交通大学硕士学位论文基于SIFT特征描述子的立体匹配算法研究确性的前提下提高算法的鲁棒性，这已经成为当前立体匹配算法研究的一个重要目标之一。基于此研究目标，本文介绍了局部特征描述子的匹配性能评估实验，在此基础上提出了基于SIFT（ScaleInvariantFeatureTransform）特征描述子的立体匹配算法，在基于特征点的立体匹配框架中，利用图像梯度信息，引入基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符

2、，通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维，最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。这种邻域方向性信息联合的思想增强了算法抗噪声的能力和对图像变换的鲁棒性，同时对于含有定位误差的特征匹配也提供了较好的容错性。大量实验结果表明，本文提出的立体匹配算法不仅具有非常高的匹配精度，同时对于图像仿射变换、3D视角变换和图像灰度非线性变换的鲁棒性和抗干扰性较好，可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。关键词：立体视觉，立体匹配，SIFT特征描述子，三维梯度方向直方图，极线约束，最近邻匹配，灰度变换，鲁棒性II上海交通大学硕士学位论文基于SI

3、FT特征描述子的立体匹配算法研究StudyonStereoMatchingAlgorithmBasedonSIFTFeatureDescriptorABSTRACTVisionisanimportantwaytoobserveandperceiveourworldforhumanbeings,itissaidthatabout75percentofhuman’sinformationcomesfromoureyes.Stereovisionisasubjectonhowtounderstandandperceivetheobjectiveworldbymachinerather

4、thanhumanbeings.Itisthemethodtoacquirethe3Dgeometryinformationofobjectsbymultipleimages(generallytwoimages).Oncontrastwithothermethods,thethreedimensionalreconstructionviastereovisionhaslowhardwarecostandsimplicityforimplementation,sostereovisiongainsgroundveryfastamongtheresearchesasanimpor

5、tantbranchofcomputervision.Andafterthestudiesinrecent20years,stereovisionhasbeenappliedsuccessfullyinmoreandmorefieldssuchasrobots’visionnavigation,avigationmapping,militaryapplication,medicaldiagnoseandindustrialinspectionetc.Withtherapiddevelopmentofnewtechnologiesandmathematics,theperform

6、anceandtheoreticalfundamentalofstereovisionhasbeengreatlyimprovedrecently.Thispaperfocusedonstereomatchingalgorithmwhichisthemostimportantanddifficultissueinstereovisionandmadeadeepresearch.Onbasisofabundantinlandandoverseasreferencepapers,thetheoryandfundamentalsofstereovisionisintroducedin

7、detail.Inaddition,fourkeycomponentsofstereomatchingalgorithm,includingfeaturespace,similaritymeasure,searchspaceandsearchstrategy,areanalyzedinafullandsystemlevel.Inthelightofimageprimitivesusedformatching,thispaperdividedthestereomatchingalgorithm