计算视觉中三维重建、图像增强及模式分类问题的新方法

论文摘要

计算视觉是计算机利用其图像采集设备拍摄目标物、分析处理,以帮助或代替人眼和人脑完成相关视觉分析任务的一项科学技术。计算视觉的典型任务包括:识别、运动分析、场景重建、图像增强等。工业生产和生活中的应用包括:指纹/人脸识别、异常监控、三维重构、图像反模糊等。本文的研究工作涉及计算视觉中三个重要的、有着广泛应用的问题:三维重建、图像增强和模式分类,提出并实践新方法。本文的主要贡献包括:（1）在“三维重建”问题域中提出使用“相对极线运动”这一概念,以求解双目立体视觉中的对应点匹配问题。该方法能够有效的匹配和重建“具有大量局部不可区别的运动特征点”的场景。（2）对于“图像增强”的“反模糊”问题,本研究通过构建“对偶相机”,即结合“高分辨率低帧率”和“低分辨率高帧率”两个相机,首次使“多核反卷积”在实践上成为可能,且实验表明使用本文“对偶相机”和“多核反卷积”获得的增强后的图像质量,普遍优于使用经典的广为研究的“单核反卷积”方法的结果。（3）在“模式分类”中,本文提出“样本分布集中”这一概念。本文基于“最近特征线NFL”方法及为了克服其“外部误差”和“内部误差”,提出一种新的模式分类方法——“最近特征线段RNFLS”。分析和实验表明,相对NN,k-NN,NFL,NNL等分类器,RNFLS的“样本分布集中属性”使其在人工和真实数据分类任务中有优异的表现。

论文目录

• 摘要
• 英文摘要
• 第一章 引言
• 第二章 相关工作
• 2.1 三维重建及相关工作
• 2.2 基于反卷积的图像增强及相关工作
• 2.3 最近特征线方法的相关工作
• 第三章 基于相对极线运动的三维视频重建
• 3.1 基本原理
• 3.2 基于相对极线运动的三维重建方法
• 3.2.1 从“场景点”角度定义三维重建问题
• 3.2.2 轨迹的匹配分数
• 3.2.3 确立轨迹匹配及特征点匹配
• 3.3 有效性分析
• 3.4 实验结果
• 3.4.1 模拟实验
• 3.4.2 三维重建不规则运动的光纤花
• 3.4.3 三维重建飘扬的旗帜
• 3.4.4 含相互遮挡的不连续表面的三维重建
• 3.4.5 三维重建动态手势
• 3.4.6 三维重建动态人脸表情
• 3.5 讨论
• 第四章 基于多核反卷积和对偶摄像机的图像及视频增强
• 4.1 多核反卷积的算法原理
• 4.1.1 形式化描述
• 4.2 获取多核信息
• 4.2.1 对偶相机和空间模糊核
• 4.2.2 光流和时间模糊核
• 4.2.3 视频多核
• 4.3 有效性分析
• 4.4 实验结果
• 4.4.1 对偶多核模拟实验
• 4.4.2 视频多核实验
• 4.4.3 综合实例:相机抖动、旋转的书
• 第五章 基于最近特征线段的模式分类
• 5.1 最近特征线段模式分类方法
• 5.1.1 特征线段子空间
• 5.1.2 修订的特征线段空间表示
• 5.2 RNFLS方法的有效性分析
• 5.2.1 样本分布集中特性
• 5.2.2 入侵概率与特征空间维度的关系
• 5.2.3 计算复杂度
• 5.3 实验结果和讨论
• 5.3.1 双螺旋问题
• 5.3.2 双高斯分布
• 5.3.3 真实世界分类问题
• 第六章 结论与展望
• 参考文献
• 攻读学位期间发表的论文
• 致谢