基于匹配点相似度引导采样的图像多平面检测
优先出版
计 算 机 应 用 研 究
第32卷
基于匹配点相似度引导采样的图像多平面检测
曹 芳1,秦 川2
(1.上海海事大学 信息工程学院,上海 200135;2.上海理工大学 光电信息与计算机工程学院,上海 200093) 摘 要:针对实际广泛存在的具有深度变化的多平面场景,提出一种基于匹配点引导采样的多平面检测算法。根据平面结构中匹配点的相似度,改进匹配点的采样规则,通过对匹配点的残差信息进行排序和加权分析,获取场景中各个平面结构对应的单应矩阵,从而实现了场景中多平面区域的准确检测。实验结果表明,与现有典型的算法相比,本文算法可获得较高的平面检测准确率。
关键词:多平面检测;引导采样;匹配点;单应矩阵 中图分类号:TP391 文献标志码:A
Multi-planar detection for digital images based on guided sampling of
matching point similarity
FANG Cao 1, CHUAN Qin 2
(1. College of Information Engineering, Shanghai Maritime University, Shanghai 200135, China; 2. School of Optical-Electrical & Computer Engineering, University of Shanghai for Science & Technology, Shanghai 200093, China)
Abstract: This paper proposes a multi-planar detection algorithm based on guided sampling of matching point similarity for the widely existing multi-planar scenes with changing depths. According to the similarity of matching points, the sampling rule is improved. By sorting and weighted analyzing for the residual information, the homographic matrix corresponding to each planar structure can be obtained, and all the planar structures can be detected successfully. Experimental results demonstrate that, compared with the existing typical algorithms, the proposed algorithm can achieve higher accuracy of the multi-planar detection. Key Words: multi-planar detection; guided sampling; matching point; homographic matrix
等人提出了一种RANSAC 遍历算法[3],该算法依次调用RANSAC 求解平面模型,并将每次检测出的平面模型的内点剔除,以更新匹配点集再进行迭代操作。该算法可同时检测场景中的多个平面模型,但方法得到的并非是最优解。赵录刚等人提出了基于随机抽样一致性的多平面检测算法[4],利用单应性矩阵对极点的约束,对多元随机抽样一致算法进行改进,在随机抽样确定单应矩阵模型时只需三对特征点,检测多平面的同时大大的提高了计算效率。不同于RANSAC 算法思路研究的是所有数据在某个模型假设上的残差分布,Xu 等人提出的基于随机霍夫变换的方法给出了一个新的思路[5]。该方法分析某个单独的数据点在不同模型假设上的残差分布,即在模型参数空间建立直方图,每个最小采样集的单应矩阵均记录在直方图中,直方图中峰值点对应的单应矩阵即为所求的平面参数模型。该方法无需事先指定模型数量,但精确度有限且计算效率较低。受RANSAC 和随机直方图分析的启发,Toldo 等人提出新的多模型鲁棒估计方法J-Linkage 算法[6-7],将特征匹配点放入其相似概念空间(conceptual space )中进行分析,属于同一平面模型的数据点聚集在相似概念空间中,其中每个数据点的相似概
0 引言
无论是室内或室外场景、自然环境或人工环境,总存在着丰富的平面结构信息。由于平面具有特殊的几何性质,因此针对平面信息的检测成为计算机视觉中重要的研究问题之一。目前,平面检测被广泛应用于图像配准、障碍物检测、相机自定标、三维重建及场景分析、图像拼接等领域之中。
为了在实际应用中使用平面结构的特殊性质,需要对场景中的平面区域从多幅图像中进行准确地检测和分割,为此已有学者提出了一些算法。大多数平面检测算法均采用类似随机抽样一致性(random sample consensus, RANSAC )方法的“假设-测试”框架结构[1-2],选择原始数据的一组子集作假设检验,通过反复迭代测试,得到最优的数据模型参数。但该算法须假设场景位于一个平面或是近似同一个平面之上,属于单一模型拟合算法。然而大多数情况下实际场景均存在丰富的平面结构信息,此时单一模型拟合算法就无法有效地进行处理。
针对基于RANSAC 单一模型的平面检测方法对多平面场景处理的不足,近年来国内外学者提出了多种改进的方案。Jin
--------------------------------
基金项目:国家自然科学基金(61171126);上海重点支撑项目([1**********]);上海自然科学基金(11ZR1415200);上海海事大学校基金资助项目
作者简介:曹芳(1980-),女,博士,讲师,主要研究方向为图像拼接、计算机视觉([email protected]);秦川(1980-),男,博士,讲师,主要研究方向为图像处理、多媒体信息安全.
文章预览已结束
获取全文请访问 http://www.arocmag.com/article/02-2015-03-067.html