改進ASIFT算法的PMVS三維重建

1、改進ASIFT算法的PMVS三維重建PMVS 3D reconstruction with improved Asift algorithmPu Yangguang(College of Computer and Information Engineering，Henan University ， Kaifeng ， Henan 475000 ， China )： The feature point detection and matching ability of multi-view-based three-dimensional reconstruction are poor ， and

2、 the commonly used Harris and SIFT algorithms can detect and match fewer feature points ， and the number of incorrectly matched feature points is large. Combining the adaptive scaling optimization algorithm based on Bicular algorithm with Harris algorithm to improve the Asift algorithm is proposed.

3、The improved algorithm BH-Asift ( Bicular Harris-Asift) is applied to the multi-view 3Dreconstruction system based on PMVS. The improved algorithm has stronger ability of feature points detection and matching ， and the final 3D model generated is more realistic.0 引言 近年?砘?于多視圖的三維重建技術(shù)逐漸走向成熟。LM Shi等人 1

4、 提出了一種通過對三維重建過程中場景幾何信息正常性估計和多分辨率擴展的改進算法，提高了基于PMVS三維重建場景模型的真實性；趙璐璐等人 2 提出一種適用于未標定圖像的 準稠密立體匹配算法， 該方法能更精確地進行三維重建； 魏梨君 等人3 提出了結(jié)合 Harris 和 SIFT 算子的三維重建方法，該方 法使用重構(gòu)的匹配點能達到高的精確性， 重建的目標物體更加真 實；Y Wang等人4提出了一種用非標定攝像機捕獲的視頻序列 來提高場景自動三維重建性能的方法；戴瓊海等人 5 提出一種 基于多視圖的改進 SIFT 算法的三維重建方法，該方法對相鄰視 角的特征點進行匹配運算， 利用極值約束來驗證匹配特

5、征點對的 有效性，并校正匹配的條件； JM Morel 等人6 提出一種完全仿 射不變的 ASIFT 特征點檢測與匹配算法。 本文以開封城古建筑為 目標重建物體， 提出了用 Bicular 算法并設(shè)定閾值函數(shù)， 對輸入 視圖進行自適應(yīng)的尺度優(yōu)化，并將 ASIFT 算法在多尺度下使用 SIFT 算法檢測特征點改用 Harris 算法檢測特征點，改進后的算 法在時間效率和關(guān)鍵點匹配能力上效果明顯。1 自適應(yīng)尺度優(yōu)化的 ASIFT1.1 Bicubic 算法Bicubic 算法又稱為雙立方插值算法，該算法對圖像進行插 值的目的是獲取縮小或者放大后的圖片， 核心原理是計算插值圖 中處像素的值， 首先計

6、算它映射到原圖中的坐標， 也就是卷積計 算時，P00點對應(yīng)（i，j ）坐標，最終插值后的圖中坐標點對應(yīng) 的值是原圖中（ i ， j ）處鄰近 16個像素點的權(quán)重卷積之和。 i ， j 的范圍是，。算法卷積公式：算法采樣公式：1.2 自適應(yīng)尺度優(yōu)化在Bicubic算法實現(xiàn)過程中，輸入原始視圖寬度為 wO,高 度為hO,縮放比例常量（T 0,設(shè)尺度優(yōu)化后的視圖寬度為 w高 度h，那么（T O=W/WO, （T 0取值為（T 00。本文將常量（T 0變量 化,創(chuàng)新地提出以下閾值函數(shù)：上式-中變量T為視圖尺度縮放比例，視圖優(yōu)化后的寬 度為w,高度為h，如果原始視圖中w0高斯尺度空間思想在上一章中已經(jīng)介

7、紹,值得注意的是改進的算法,先進行 ASIFT 算法的經(jīng)緯度位置模擬,再進行高斯尺度空間計算,尺度空間計 算是用不同尺度的高斯核對視圖進行卷積而得到的, 視圖的高斯 尺度空間表示如下：運用高斯尺度空間的概念原理,設(shè)定一組尺度：, Harris算子在多尺度空間的二階矩陣表示如下：Harris角點檢測算法的角點響應(yīng)函數(shù) CRF為：其中的gx、gy為x、y方向上的梯度，入1、入2是矩陣M 的特征值， k 為常數(shù)，通常取 0.04 ， 0.06 之間的任意值。但在 實際應(yīng)用中， k 值的任意取值通常會使結(jié)果產(chǎn)生偏差，影響后續(xù) 的三維重建效果。為了避免 k 值的選取，并且考慮到多尺度特征， 使用新的角點

8、響應(yīng)函數(shù)，其表示如下：其中為極小值，可忽略不計，主要是為了使分母不為0。3 實驗結(jié)果與分析3.1 實驗環(huán)境設(shè)置本章實驗環(huán)境與配置： Window7 64位，內(nèi)存 4.00GB，CPU 為 Intel Core i5-4590，主頻 3.30 GHz，GPL為 NVIDIA QuadroK2000,開發(fā)壞境為：Matlab2016b。3.2 特征點檢測與匹配的實驗結(jié)果與分析使用航拍安？h門圖像集作為輸入，測試算法特征點檢測數(shù) 量、特征點匹配數(shù)量、時間復(fù)雜度和三維重建效果。圖1、表1的實驗結(jié)果表明，BH-ASIFT算法比SIFT算法在 時間復(fù)雜度上要高一點，但 BH-ASIFT算法特征點檢測能力是 SIFT算法的兩倍以上，其特征點匹配能力也要高于后者； BH-ASIFT算法對比原ASIFT算法在特征點檢測與匹配能力上要 弱于后者，但是改進算法比原算法在時間復(fù)雜度上要低于后者 10倍左右，運行效率顯著提升。經(jīng)過了以上步驟，再進行點云 生成、幾何重建、紋理重建、輸出結(jié)果，繼續(xù)做以下實驗：從圖2的實驗結(jié)果對比可以看出，BH-ASIFT算法改進的PMVS 三維重建方法特征點檢測匹配能力大幅提升， 直接影響后續(xù)的稠 密點云生成、幾何重建、紋理重建，改進后的三維重建方法重建 效果要遠優(yōu)于原三維重建方法。4 總結(jié)本文詳細介紹了改進 ASIFT的