导读:本文包含了匹配重建论文开题报告文献综述及选题提纲参考文献，主要关键词:图像匹配,超分辨率重建,回归学习,特征点数量
匹配重建论文文献综述
武玉坤,陈沅涛[1]（2019）在《应用超分辨率重建算法的图像匹配算法》一文中研究指出图像场景中提取特征数量较少,难以满足叁维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足叁维重建等需要较多特征点的情况。(本文来源于《计算机工程与设计》期刊2019年12期）
吴越,李胜旺,白宇[2]（2019）在《用于叁维重建的改进特征匹配策略》一文中研究指出为了能够更加快速地获取特征点以及提高特征匹配结果的稳定性,提出了一种改进的匹配策略。首先,对图像进行下采样,通过低分辨率的图像进行匹配,快速筛选掉匹配失败的匹配对,然后对匹配成功的匹配对对应的原始图像进行匹配,以达到加速的目的。其次,为有效提高叁维点云的精度,对SIFT的匹配结果和SURF的匹配结果进行融合,将融合后的结果应用到叁维重建技术中。最后,通过使用自采数据集和公开数据集对算法进行测试,并对实验数据进行分析。结果显示,改进的特征匹配策略使叁维重建的运行速度提高了40%,并大幅增加了叁维点的个数。所提出的方法不仅可以减少特征匹配过程的运算量,还可以提高叁维重建的稳定性,在叁维重建研究工作中具有一定的参考价值。(本文来源于《河北科技大学学报》期刊2019年05期）
张省,朱伟[3]（2019）在《基于SIFT匹配和RANSAC算法的超分辨率重建》一文中研究指出图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术,其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像,本文提出一种基于SIFT匹配和随机采样一致性算法(RANSAC)的运动估计算法,该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配,然后使用RANSAC算法消除误匹配点并获取投影变换矩阵,从而获得图像序列间的亚像素级的运动信息;采用一组低分辨率序列图像进行试验,基于上述运动估计算法,采用迭代反投影进行超分辨率重建。试验结果表明,运动估计精度较高,重建影像具有较好的视觉效果,尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。(本文来源于《测绘通报》期刊2019年10期）
戴文文,曾庆军,赵强,朱志宇,刘维亭[4]（2019）在《AUV自主回收对接前景视场叁维重建立体匹配研究》一文中研究指出在自主水下机器人(AUV)回收对接过程中对前景视场进行叁维重建能够为实时路径规划和导航定位提供关键信息,提高对接成功率。针对AUV在水下作业时前景视场环境弱纹理多的特点,提出了一种改进的基于树结构的前景视场立体匹配方法,提高了计算精度及速度。首先针对水下成像环境暗、对比度低的问题,采用基于Lab颜色模型的方法对水下图片进行处理,然后采用基于树结构的算法实现双目图像的立体匹配。该立体匹配算法针对水下图片弱纹理区域较多的问题,利用cencus变换区分弱纹理区域,计算匹配代价;针对区域匹配算法精度不高以及全局匹配算法实时性较差的问题,利用最小生成树算法实现代价聚合,同时配合亚像素精化实现视差优化。最后运用Matlab以及Visual Studio 2013对图像预处理以及立体匹配算法进行仿真,验证算法的有效性。此外,介绍了自主研发的"探海I型" AUV自主回收对接实验系统。(本文来源于《鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集》期刊2019-09-22）
王梓任,杨友良,马翠红[5]（2019）在《一种面向叁维重建的改进SIFT图像匹配算法》一文中研究指出近几年机器视觉发展迅猛,而叁维重建也已经成为其重要研究领域之一。为了能更快更完美获得叁维目标场景,复杂图像中的目标检测是视觉领域的研究热点,在工业领域、军事领域、智能识别等领域发挥着巨大的作用。由于当前需要处理的图像变得更为复杂,图像的处理也因为相机姿态物体位置的不同、图像场景的多样性、目标与场景相互遮挡之类的问题,已经成为机器视觉研究时等待解决的重点之一。本文用离散小波变换,提取两幅图像的低频部分,然后利用harris角点检测和尺度不变特征变换(SIFT)相结合的鲁棒匹配算法完成特征点提取,并简化描述子对其降维处理,选择更简洁的方法对检测的点进行匹配。(本文来源于《网络安全技术与应用》期刊2019年08期）
邵潮京[6]（2019）在《基于改进半全局匹配算法的高分辨率遥感影像DSM重建》一文中研究指出提出了一种改进的半全局匹配算法来生成高分辨率遥感影像的数字表面模型(DSM)。利用影像间连接点的几何约束关系对系统误差进行有理函数模型补偿,再将有理函数模型分成若干个块,通过考虑纹理信息的视差膨胀腐蚀算法来减小建立金字塔分层后每一层的视差搜索范围。结果表明:该方法得到的DSM精度在高程方向上保持了GSD的1.5倍,并较好地保留了地物的边缘特征。在计算效率和内存开销之间也有很好的平衡。(本文来源于《北京测绘》期刊2019年06期）
苏醒[7]（2019）在《基于3D空间匹配与重建的运动排球跟踪技术》一文中研究指出目标物的3D空间位置的跟踪技术,对于专业的排球比赛分析和理解有重要的利用价值。在排球比赛中,为了制定更详细,更科学,更有针对性的技战术,需要对视频中排球的运动轨迹跟踪。因此,提高排球比赛视频中排球的跟踪成功率尤为重要。影响排球跟踪率的因素有:复杂的背景环境,无规律的运动轨迹,相对小的球体,以及运动员身体的遮挡等。为了提高排球视频中排球的跟踪率,本文研究了基于排球基本特征和3D空间坐标重建与匹配的策略,研制了一套运动排球跟踪系统,该系统以降低成本,高效率和高准度的特点实现了对动态视频中运动排球的跟踪,具有一定的应用价值。本文的工作主要包括以下叁个部分:1.基于排球特征的相似性估计。根据排球特征的相似性估计基于以下叁个方面分析,第一,基于视频帧中排球大小的自适应跟踪窗口。在排球比赛视频中,由于排球在立体空间的运动不确定性,导致排球距离镜头时近时远。因此在视频中反映出的排球大小随之时大时小,增加了跟踪难度。本文基于摄像机标定提出半径系数法,可使跟踪窗口根据排球距离摄像头的远近而改变。第二,基于运动中的排球特征模型,包括复杂背景环境下对排球外形的分析,颜色模型的分析以及运动特征分析。第叁,基于组合摄像机的抗遮挡分析。2.基于排球3D空间坐标重建与匹配策略。根据排球3D空间坐标重建与匹配策略,自动恢复跟踪器,对跟踪失败的情况进行重新检测和跟踪。在该策略中,球形跟踪器的设计和3D空间坐标重建和匹配算法是两大核心部分。球形跟踪器根据排球的特征获取各个视频帧中的“候选”排球部分,然后将排球的2D坐标在3D空间中重建,通过设定距离阈值,匹配从不同帧的3D坐标的空间距离,将符合匹配结果的3D空间坐标点组合为一个整体,作为3D空间下的排球位置,从而重新“唤醒”跟踪器继续跟踪排球。3.基于多命令队列和步进并行迭代策略。本文提出了多个命令队列,战术线程分配和步进迭代添加法,以在CPU-GPU平台上实现更大的计算和运行容量。利用多个命令队列实现算法中任务之间的并行性。其次,自适应线程分配有助于将算法映射到GPU并增强线程之间的同步。并且本文提出了步进迭代加法在顺序操作中实现部分并行。本文实验基于HDTV高清视频序列,比赛背景为2014年东京国际高中生男子排球锦标赛。针对本文提出的研究策略,本实验使用4架摄像机,安置于矩形比赛场地的四个角落。根据实验结果,本文提出的方法论能够成功应用到排球跟踪的场合,并解决了复杂背景环境下,运动中的排球特征检测问题。实验结果证明,基于本文提出的算法,排球的跟踪成功率提高至99%。(本文来源于《华南理工大学》期刊2019-04-18）
张玉珍,侯守明,连盼盼,杜成菲[8]（2019）在《基于主方向重建的SURF多角度识别匹配算法优化》一文中研究指出针对物体多角度识别过程中存在着因偏转和俯仰角偏差而造成的匹配精度低等问题,本文提出了具有旋转不变性的SURF匹配优化思想.本思想采用聚类算法将提取的关键点进行分类,在类中通过距离高斯加权来得到关键点水平和垂直方向的Haar小波值,进而更精准地确定特征点主方向;针对匹配过程中出现的误匹配对,利用误匹配粗减思想进行剔除;之后,为进一步提高匹配机率,采用物体环视全景图作为后台基准图像.实验结果表明,本思想对物体多角度图像的识别机率和识别正确率明显提高,且匹配耗时也有所减低,并具有一定的实用性和推广性.(本文来源于《信息与控制》期刊2019年01期）
尹紫秋,熊俊[9]（2019）在《基于ACT匹配的GMA增材制造熔池形貌叁维重建》一文中研究指出基于双棱镜折射原理,设计了单摄像机虚拟双目视觉传感系统,系统达到亚像素精度.标定了左右虚拟摄像机内外参数及其关系,完成了图像对的极线校正.进一步优化了自适应权重Census变换立体匹配算法(ACT,adaptive Census transform),求取了校正图像对亚像素精度视差.叁角测量法重建了标准圆柱体部分表面形貌.结果表明,标准件宽度误差优于3.17%,高度误差优于5.83%.以熔化极气体保护电弧(GMA, gas mental arc)增材制造熔池图像对为例,采用优化的ACT匹配算法求取了熔池图像对亚像素精度视差,基于叁角测量法获取了熔池表面叁维形貌.(本文来源于《焊接学报》期刊2019年01期）
谢宜江,傅可人,冯子亮,杨红雨[10]（2019）在《基于散斑立体匹配的快速叁维人脸重建》一文中研究指出本文提出一种高效的人脸叁维重建方法。该方法将散斑投影至人脸表面以增加其特征信息,并采用一种由粗到精的时空立体匹配算法来提高叁维人脸重建的精度。进一步,该算法利用时空积分图对立体匹配的代价函数进行加速计算,进而提高了重建效率。此外,所提出方法通过人脸检测去除无关背景,使后续的叁维重建算法能够高效地作用在人脸区域上。实验表明,所提出方法对3D打印人脸(精度为0.01 mm)模型的重建平均误差为0.32 mm,对哑铃规球心测距和直径测距(精度皆为0.01 mm)其误差皆低于1个百分点,以上结果优于同类产品。与现有立体匹配算法相比,本文方法所得视差图面部无空洞且视差变化均匀,更真实地反映出被测人脸的叁维形状。(本文来源于《光电子·激光》期刊2019年01期）
匹配重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了能够更加快速地获取特征点以及提高特征匹配结果的稳定性,提出了一种改进的匹配策略。首先,对图像进行下采样,通过低分辨率的图像进行匹配,快速筛选掉匹配失败的匹配对,然后对匹配成功的匹配对对应的原始图像进行匹配,以达到加速的目的。其次,为有效提高叁维点云的精度,对SIFT的匹配结果和SURF的匹配结果进行融合,将融合后的结果应用到叁维重建技术中。最后,通过使用自采数据集和公开数据集对算法进行测试,并对实验数据进行分析。结果显示,改进的特征匹配策略使叁维重建的运行速度提高了40%,并大幅增加了叁维点的个数。所提出的方法不仅可以减少特征匹配过程的运算量,还可以提高叁维重建的稳定性,在叁维重建研究工作中具有一定的参考价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
匹配重建论文参考文献
[1].武玉坤,陈沅涛.应用超分辨率重建算法的图像匹配算法[J].计算机工程与设计.2019
[2].吴越,李胜旺,白宇.用于叁维重建的改进特征匹配策略[J].河北科技大学学报.2019
[3].张省,朱伟.基于SIFT匹配和RANSAC算法的超分辨率重建[J].测绘通报.2019
[4].戴文文,曾庆军,赵强,朱志宇,刘维亭.AUV自主回收对接前景视场叁维重建立体匹配研究[C].鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集.2019
[5].王梓任,杨友良,马翠红.一种面向叁维重建的改进SIFT图像匹配算法[J].网络安全技术与应用.2019
[6].邵潮京.基于改进半全局匹配算法的高分辨率遥感影像DSM重建[J].北京测绘.2019
[7].苏醒.基于3D空间匹配与重建的运动排球跟踪技术[D].华南理工大学.2019
[8].张玉珍,侯守明,连盼盼,杜成菲.基于主方向重建的SURF多角度识别匹配算法优化[J].信息与控制.2019
[9].尹紫秋,熊俊.基于ACT匹配的GMA增材制造熔池形貌叁维重建[J].焊接学报.2019
[10].谢宜江,傅可人,冯子亮,杨红雨.基于散斑立体匹配的快速叁维人脸重建[J].光电子·激光.2019