导读:本文包含了多视图匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:本体匹配,可视化,多视图
多视图匹配论文文献综述
陈捷,薛醒思,黄艺坤,林国祥,吴晓静[1]（2019）在《一种多视图的本体匹配结果可视化框架》一文中研究指出目的针对目前本体匹配结果可视化方法表现形式单一、信息冗杂等问题,设计了一种本体匹配结果可视化的框架,用以解决这些问题,从而达到清晰而简明的可视化效果。方法将拥有不同优缺点的可视化技术有机地结合在一起,优势互补,组成多视图,并通过动态刷和链接技术在每个视图之间建立联动机制。结果与结论提出了一种多视图的本体匹配结果可视化框架。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2019年03期）
普阳光[2]（2018）在《多视图叁维重建特征点检测匹配和点云区域裁剪算法改进》一文中研究指出基于多视图的叁维重建是计算机视觉范畴的热门研究内容,该技术是指从不同视角捕获目标景物的多个视图并从图像中获得目标物体的叁维几何和纹理信息,利用这些空间信息重建目标景物的叁维场景模型。通过针对性地研究多视图叁维重建算法,结合古代建筑物所具有的大场景、细节复杂、结构种类多样等特点,发现基于多视图的古建筑叁维重建系统中,有很多需要研究和改进的地方。首先是针对叁位重建技术中的特征点检测与匹配算法进行改进,然后提出了基于摄像机坐标边缘的点云区域自动裁剪算法。总结如下:1、针对基于SIFT/Harris的多视图叁维重建系统的特征点检测与匹配能力较差,不具有仿射不变性等的问题,提出了基于Bicubic算法和Harris算法改进ASIFT算法,Bicubic算法对输入图像进行尺度优化,ASIFT算法仿射模拟图像切变后,对切变图像进行多尺度空间的Harris角点检测,之后在多尺度中计算出LoG响应峰值尺度,将检测的角点变换到该峰值尺度上,进行Harris经典算法的特征点匹配;将改进算法BH-ASIFT运用到基于PMVS的多视图叁维重建系统中,改进后的算法特征点检测与匹配能力较强,生成的最终叁维模型更加真实。2、针对多视图叁维重建算法生成的点云和模型冗余信息较多的问题,提出了基于Alpha Shapes算法检测二维平面坐标点集边缘的点云区域裁剪算法,该算法中二维平面坐标点集(x _i,y_i)是由摄像机在叁维空间坐标(x _i,y _i,z_i)投影到xy平面上所得到的,通过Alpha Shapes算法检测散乱点集(x _i,y_i)的边缘点,并将相邻的边缘点连接起来形成一个区域,根据叁维重建算法生成点云在xy平面上的坐标位置,将区域外的点云清除。(本文来源于《河南大学》期刊2018-06-01）
赵洪田[3]（2018）在《一种快速多视图立体匹配方法》一文中研究指出由于室外场景图像集具有规模巨大、尺度多变等特点,快速精准的多视图立体匹配受计算效率严重制约。为此,提出一种新的快速多视图立体匹配和优化方法。该方法首先基于Plane Sweep框架计算初始匹配代价;然后提出并行Semi-Global算法对匹配代价优化计算深度图;最后使用GPU对图像滤波剔除噪声点。实验结果表明,该方法可高效生成用于叁维重建的优质深度图。(本文来源于《现代计算机(专业版)》期刊2018年01期）
崔远征[4]（2017）在《多视图匹配算法研究》一文中研究指出图像匹配是图像处理、计算机视觉研究的一个热点问题,是图像复原、图像融合、叁维重构等领域的研究基础,匹配的效果会直接影响到后续对图像的处理。多视图匹配是用不同相机在不同视角下获取的多幅图像进行匹配。目前对图像匹配的算法研究主要分为两类:灰度相关和特征匹配。基于灰度相关的匹配算法充分利用了图像的所有信息,通过图像中的像素灰度值借助相关度量方法判断图像中的对应点,但是这种算法计算量很大速度很慢,不适合用来进行多视图匹配;在图像特征点匹配研究中,一般常用的算法有:SIFT、ORB、SURF等,其中SIFT算法不但对尺度缩放、旋转、亮度变化保持不变性,而且对视角变化、噪声也保持一定程度的稳定性。因此本文选用基于SIFT特征的多视图匹配算法。利用阵列相机一次可以获取多幅图像的优势,对图像进行多视图匹配,本文主要工作如下:(1)对获取的多视图图像进行去噪增强,颜色校准。(2)对校准过的多组图像进行基于SIFT的多视图匹配。(3)将多视图匹配结果图应用于高动态范围图像的合成。实验结果表明,采用本文的多视图匹配算法,优势体现在匹配结果对光照变化、视角变化的稳定性。基于本文多视图匹配算法合成的高动态图像比Debevec算法效果好,主要体现在图像的细节信息更加丰富并且实现了对图像动态范围的扩展。本算法有望应用于微阵列相机的实际应用中。(本文来源于《北方工业大学》期刊2017-05-26）
张金芳[5]（2016）在《多视图人脸图像特征点检测与匹配方法研究》一文中研究指出叁维人脸重建是计算机视觉领域的研究热点之一,由于叁维人脸模型立体效果显着而被广泛应用于影视、医疗、游戏等多个领域,并推进了人脸识别、体感互动等技术向叁维数据处理方向的发展。基于二维图像的叁维人脸重建是指通过一系列科学计算,将二维人脸图像还原为叁维人脸模型的过程,其中,人脸五官特征点的检测和匹配对建模结果影响较大,是叁维人脸重建的重要环节。本文在综述现有叁维人脸重建过程中关键技术的基础上,针对人脸五官特征点的检测与匹配展开了以下研究工作：(1)针对经典的特征点检测方法不能适应不同视角人脸特征点检测的问题,研究了基于边缘曲率特性的人脸特征点检测方法。该方法通过遍历Canny算子检测到的边缘点,对每个点取不同长度边缘线计算曲率并据此求得点的边缘增强特征,选取合适的阈值筛选得到特征点。实验结果表明该方法可检测到人脸五官的大量特征点,对多视图人脸图像特征点检测时体现了良好的性能。(2)针对BRIEF特征描述方法存在漏匹配的问题,设计了一种基于BRIEF和欧氏距离相结合的特征点匹配方法。由BRIEF描述子对特征点X进行描述,以汉明距离比约束的方法求得欧氏距离区间,据此获得候选匹配点集,最后由欧氏距离和位置预测相结合的方法确定X的匹配点。实验结果表明该方法特征点对中的漏匹配较少,体现了良好的算法性能。(3)使用现有的通用人脸模型(Candide-3),集成本文提出的的特征点检测和特征点匹配的算法,重建叁维人脸模型,实现了叁维人脸重建原型系统。(本文来源于《西北大学》期刊2016-06-01）
王道累,吴懋亮,陈军[6]（2015）在《从双视图到多视图的协同优化立体视觉匹配算法》一文中研究指出采用基于视图协同优化算法解决视觉匹配问题,通过对双视图立体匹配的研究到多视图匹配的推广,利用视差平面拟合进行多个视差集的合并.利用奇异值分解法解决线性方程,建立排除异常点的判别规则,解决遮挡及稀疏纹理的问题.实验结果表明:该协同优化算法是有效的,提高了匹配的精度.(本文来源于《华侨大学学报(自然科学版)》期刊2015年03期）
王跃嵩[7]（2015）在《多视图立体匹配叁维重建方法》一文中研究指出近些年计算机视觉领域在叁维模型重建方向取得了极大的进展,叁维重建技术被广泛用于事件仿真及可视化应用,例如飞行模拟器,虚拟地图,游戏等。多视图立体匹配叁维重建作为重建技术中的一种,从图像或图像序列中获取场景信息用以重建场景中重建对象的叁维模型。因为基于多视图的立体匹配叁维重建方法的便捷及适用性强,其成为叁维重建领域的热门研究。针对当前平面扫描算法的几点不足,在平面扫描方法的基础上做出一定的改进,同时结合运动中恢复结构方法,设计并实现了一种稠密点云生成方法。方法提取图片中SIFT特征点,基于运动中恢复结构(structure from motion,SFM),用迭代方法同时考虑多幅图像的匹配对,恢复出摄像机位置的同时求得场景稀疏点云,其中使用捆集调整对生成的摄像机位置及姿态进行微调;随后从场景稀疏点云信息获取场景中重建物体的位置信息,基于物体的位置信息用局部的平面扫描(Plane-Sweep)算法恢复出场景准稠密点云,其中为处理场景遮挡问题,Plane-Sweep采用迭代裁减技术计算平方差之和以消除部分遮挡对计算分数的负面影响;对准稠密点云采用中值及均值过滤,初步消除其中明显杂点,对其进行基于归一化互相关系数的过滤方法以消除因光照亮度变化等原因产生的杂点。将基于多视点生成的多个准稠密点云进行融合,进而生成可供后续重建使用的稠密点云。实验结果表明,该方法对遮挡情况的处理能力较强,同时能减少弱纹理背景对重建结果的不良影响,可以根据多幅输入图像生成杂点较少同时精度较高的场景稠密点云。(本文来源于《华中科技大学》期刊2015-05-01）
傅康平,申抒含,胡占义[8]（2014）在《一种基于MVS的多视图直线匹配方法(英文)》一文中研究指出A graph-based multiple view line matching method is proposed based on results of multiple view stereo(MVS) algorithms. With the 3D points and their visibility information provided by MVS, point-line correspondences are firstly established through 3D-to-2D re-projection. Each image line detected in different views is described using a 3D point set as well as a unit vector representing its coarse 3D direction. From such a description, pairwise similarity and consistency are evaluated. Then, a graph is constructed to contain all image lines as nodes. To get a unified node distance measure, a spectral graph analysis method is employed. Finally, a modified DBSCAN algorithm is introduced to obtain reliable line matches from the graph. Experiments show that our method is more robust and exhibits better accuracy than the existing methods.(本文来源于《自动化学报》期刊2014年08期）
冯兵[9]（2014）在《基于多视图的叁维重建中特征提取与特征匹配并行化研究》一文中研究指出基于多视图的叁维重建是计算机视觉的重要组成部分,该算法的核心是以多张图片作为输入,通过计算之后生成稀疏叁维点云数据,通过点云扩张形成稠密叁维点云数据,最后通过表面重建得到叁维模型。其在文物保护、增强现实、虚拟现实、叁维目标识别、数字城市等领域都有着广泛的应用,然而由于算法是通过面片扩张、过滤等步骤形成叁维数据,算法复杂、计算量大。综上,本文针对于多视图的叁维重建中特征提取、匹配等耗时长的部分,给出了一种基于异构架构的快速重建方法。在兼顾了重建精度和效率同时利用CUDA和OpenMP对算法进行了并行优化,最后根据算法实验过程,设计研发了基于多视图叁维重建的可视化软件系统。本文首先介绍了基于多视图的叁维重建整个过程,针对特征提取部分,重点讲述了SURF特征提取算法,对比了Harris和DoG算子,在特征匹配部分介绍了NCC匹配算法,辅助对极几何的性质,最后通过随机抽样一致性算法(RANSAC)对误匹配点进行了剔除。重点设计并实现了基于OpenMP和CUDA的SURF及RANSAC算法,对OpenCV中实现的基于CUDA的SURF算法进行分析并给出了优化方法。最后,本文给出了基于多视图叁维重建整个过程的可视化软件实验系统,通过该软件系统可以重建比较满意的实验结果。(本文来源于《宁夏大学》期刊2014-05-01）
朱文峤,刁常宇,许端清,鲁东明[10]（2014）在《基于连续对称视差计算的多视图立体匹配》一文中研究指出为了解决基于非凸能量最小化的多视图叁维重建方法容易陷入到局部解的问题,提出鲁棒的基于连续对称视差的多视图立体匹配算法.采用连续对称优化算法对基于局部窗口的算法产生的视差进行优化,在能量函数中引入左、右一致性约束,为了提升视差图的准确度,采用近邻的图像和视差图迭代地对视差进行改进.每一个视差图对应一个深度图,因为生成的视差图有较好的质量,融合的过程可以采用简单的算法.Middlebury的测试图像和现实中的一些场景的重建的实验效果证明了该算法的有效性.(本文来源于《浙江大学学报(工学版)》期刊2014年01期）
多视图匹配论文开题报告
（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：
基于多视图的叁维重建是计算机视觉范畴的热门研究内容,该技术是指从不同视角捕获目标景物的多个视图并从图像中获得目标物体的叁维几何和纹理信息,利用这些空间信息重建目标景物的叁维场景模型。通过针对性地研究多视图叁维重建算法,结合古代建筑物所具有的大场景、细节复杂、结构种类多样等特点,发现基于多视图的古建筑叁维重建系统中,有很多需要研究和改进的地方。首先是针对叁位重建技术中的特征点检测与匹配算法进行改进,然后提出了基于摄像机坐标边缘的点云区域自动裁剪算法。总结如下:1、针对基于SIFT/Harris的多视图叁维重建系统的特征点检测与匹配能力较差,不具有仿射不变性等的问题,提出了基于Bicubic算法和Harris算法改进ASIFT算法,Bicubic算法对输入图像进行尺度优化,ASIFT算法仿射模拟图像切变后,对切变图像进行多尺度空间的Harris角点检测,之后在多尺度中计算出LoG响应峰值尺度,将检测的角点变换到该峰值尺度上,进行Harris经典算法的特征点匹配;将改进算法BH-ASIFT运用到基于PMVS的多视图叁维重建系统中,改进后的算法特征点检测与匹配能力较强,生成的最终叁维模型更加真实。2、针对多视图叁维重建算法生成的点云和模型冗余信息较多的问题,提出了基于Alpha Shapes算法检测二维平面坐标点集边缘的点云区域裁剪算法,该算法中二维平面坐标点集(x _i,y_i)是由摄像机在叁维空间坐标(x _i,y _i,z_i)投影到xy平面上所得到的,通过Alpha Shapes算法检测散乱点集(x _i,y_i)的边缘点,并将相邻的边缘点连接起来形成一个区域,根据叁维重建算法生成点云在xy平面上的坐标位置,将区域外的点云清除。
（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。
多视图匹配论文参考文献
[1].陈捷,薛醒思,黄艺坤,林国祥,吴晓静.一种多视图的本体匹配结果可视化框架[J].宝鸡文理学院学报(自然科学版).2019
[2].普阳光.多视图叁维重建特征点检测匹配和点云区域裁剪算法改进[D].河南大学.2018
[3].赵洪田.一种快速多视图立体匹配方法[J].现代计算机(专业版).2018
[4].崔远征.多视图匹配算法研究[D].北方工业大学.2017
[5].张金芳.多视图人脸图像特征点检测与匹配方法研究[D].西北大学.2016
[6].王道累,吴懋亮,陈军.从双视图到多视图的协同优化立体视觉匹配算法[J].华侨大学学报(自然科学版).2015
[7].王跃嵩.多视图立体匹配叁维重建方法[D].华中科技大学.2015
[8].傅康平,申抒含,胡占义.一种基于MVS的多视图直线匹配方法(英文)[J].自动化学报.2014
[9].冯兵.基于多视图的叁维重建中特征提取与特征匹配并行化研究[D].宁夏大学.2014
[10].朱文峤,刁常宇,许端清,鲁东明.基于连续对称视差计算的多视图立体匹配[J].浙江大学学报(工学版).2014