基于特征点与边界信息的全自动多模态遥感图像配准方法

多模态遥感图像在光谱成分上的巨大差异,导致点特征检测与匹配算法在该类图像配准中的正确匹配率非常低。为了提高尺度不变特征变换和加速鲁棒性特征算法在图像配准时的可靠性和鲁棒性,提出了一种多模态遥感图像配准的新方法。该方法既能利用复杂轮廓中蕴含的几何变换信息弥补点特征在多模态图像配准中的缺点,又能利用点特征所蕴含正确匹配区域的启发性信息克服边界匹配算法的不足。结果表明:该方法能够在完全无人参与的情况下,全自动地实现多模态遥感图像的配准,并且具有较高的稳健性和可信度。

基于双目立体视觉的三维重建

三维重建是图像处理、计算机视觉、计算机图形学的一个重要研究领域。基于双目立体视觉的三维重建通过相机标定搭建一个对准的标准立体实验平台采集图像,进而对图像进行特征点检测与匹配找到待重建点,然后通过双目视觉原理计算三维坐标,最后进行纹理映射。根据真实图像的实验结果表明,具有较好的重建效果。

基于运动恢复结构的雕塑的3D重建研究

近年来,图像的三维重建在计算机视觉中发挥了很大的作用,并且在质量和性能上有了较大的提升。基于运动恢复结构的三维重建方法已成为3D重建领域的研究热点。本文由真实物体入手,系统研究运动恢复算法,详细分析了特征点检测与匹配的过程,基础矩阵与本质矩阵的计算,以及使用CMVS/PMVS重现逼真的三维结构。实验证明,通过运动恢复结构来进行稀疏重建,稠密重建来对物体或者场景进行重建的研究有着极高的价值。

改进ASIFT算法的PMVS三维重建

基于多视图的三维重建的特征点检测与匹配能力较差,通常使用的Harris、SIFT算法所能检测和匹配的特征点较少,误匹配的特征点数量较多。因此,提出了基于Bicular算法的自适应尺度优化结合Harris算法改进Asift算法,将改进算法BH-Asift(Bicular Harris-Asift)运用到基于PMVS的多视图三维重建系统中,改进后的算法特征点检测与匹配能力较强,生成的最终三维模型更加真实。