改進(jìn)ASIFT算法的PMVS三維重建

普陽光

摘 要： 基于多視圖的三維重建的特征點(diǎn)檢測(cè)與匹配能力較差，通常使用的Harris、SIFT算法所能檢測(cè)和匹配的特征點(diǎn)較少，誤匹配的特征點(diǎn)數(shù)量較多。因此，提出了基于Bicular算法的自適應(yīng)尺度優(yōu)化結(jié)合Harris算法改進(jìn)Asift算法，將改進(jìn)算法BH-Asift（Bicular Harris-Asift）運(yùn)用到基于PMVS的多視圖三維重建系統(tǒng)中，改進(jìn)后的算法特征點(diǎn)檢測(cè)與匹配能力較強(qiáng)，生成的最終三維模型更加真實(shí)。

關(guān)鍵詞： 多視圖三維重建； 特征點(diǎn)檢測(cè)與匹配； Asift算法； 自適應(yīng)尺度優(yōu)化

中圖分類號(hào)：TP391.9 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2018）06-69-03

PMVS 3D reconstruction with improved Asift algorithm

Pu Yangguang

（College of Computer and Information Engineering， Henan University， Kaifeng， Henan 475000， China）

Abstract： The feature point detection and matching ability of multi-view-based three-dimensional reconstruction are poor， and 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. The improved algorithm BH-Asift （Bicular Harris-Asift） is applied to the multi-view 3D reconstruction 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.

Key words： multi-view 3D reconstruction； feature point detection and matching； Asift algorithm； adaptive scaling optimization

0 引言

近年來基于多視圖的三維重建技術(shù)逐漸走向成熟。LM Shi等人[1]提出了一種通過對(duì)三維重建過程中場(chǎng)景幾何信息正常性估計(jì)和多分辨率擴(kuò)展的改進(jìn)算法，提高了基于PMVS三維重建場(chǎng)景模型的真實(shí)性；趙璐璐等人[2]提出一種適用于未標(biāo)定圖像的準(zhǔn)稠密立體匹配算法，該方法能更精確地進(jìn)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(diǎn)能達(dá)到高的精確性，重建的目標(biāo)物體更加真實(shí)；Y Wang等人[4]提出了一種用非標(biāo)定攝像機(jī)捕獲的視頻序列來提高場(chǎng)景自動(dòng)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(jìn)SIFT算法的三維重建方法，該方法對(duì)相鄰視角的特征點(diǎn)進(jìn)行匹配運(yùn)算，利用極值約束來驗(yàn)證匹配特征點(diǎn)對(duì)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(diǎn)檢測(cè)與匹配算法。本文以開封城古建筑為目標(biāo)重建物體，提出了用Bicular算法并設(shè)定閾值函數(shù)，對(duì)輸入視圖進(jìn)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(cè)特征點(diǎn)改用Harris算法檢測(cè)特征點(diǎn)，改進(jìn)后的算法在時(shí)間效率和關(guān)鍵點(diǎn)匹配能力上效果明顯。

1 自適應(yīng)尺度優(yōu)化的ASIFT

1.1 Bicubic算法

Bicubic算法又稱為雙立方插值算法，該算法對(duì)圖像進(jìn)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(jì)算插值圖中處像素的值，首先計(jì)算它映射到原圖中的坐標(biāo)，也就是卷積計(jì)算時(shí)，P00點(diǎn)對(duì)應(yīng)（i，j）坐標(biāo)，最終插值后的圖中坐標(biāo)點(diǎn)對(duì)應(yīng)的值是原圖中（i，j）處鄰近16個(gè)像素點(diǎn)的權(quán)重卷積之和。i，j的范圍是，。

算法卷積公式：

⑴

算法采樣公式：

⑵

1.2 自適應(yīng)尺度優(yōu)化

在Bicubic算法實(shí)現(xiàn)過程中，輸入原始視圖寬度為w0，高度為h0，縮放比例常量σ0，設(shè)尺度優(yōu)化后的視圖寬度為w、高度h，那么σ0=w/w0，σ0取值為σ0>0。本文將常量σ0變量化，創(chuàng)新地提出以下閾值函數(shù)：

⑶

上式⑴-⑶中變量σ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

2 Harris算法多尺度空間的特征提取

本文提出一種在多尺度上提取Harris角點(diǎn)，即在ASIFT模擬經(jīng)緯度且圖像多尺度空間仿射失真的基礎(chǔ)上，在仿射模擬的多尺度上Harris角點(diǎn)檢測(cè)，然后用SIFT方法生成特征描述子，最后用ASIFT方法進(jìn)行特征匹配。

高斯尺度空間思想在上一章中已經(jīng)介紹，值得注意的是改進(jìn)的算法，先進(jìn)行ASIFT算法的經(jīng)緯度位置模擬，再進(jìn)行高斯尺度空間計(jì)算，尺度空間計(jì)算是用不同尺度的高斯核對(duì)視圖進(jìn)行卷積而得到的，視圖的高斯尺度空間表示如下：

⑷

運(yùn)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：

⑸

Harris角點(diǎn)檢測(cè)算法的角點(diǎn)響應(yīng)函數(shù)CRF為：

⑹

其中的gx、gy為x、y方向上的梯度，λ1、λ2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(shí)際應(yīng)用中，k值的任意取值通常會(huì)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(diǎn)響應(yīng)函數(shù)，其表示如下：

⑺

其中ε為極小值，可忽略不計(jì)，主要是為了使分母不為0。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境設(shè)置

本章實(shí)驗(yàn)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，GPU為NVIDIA Quadro K2000，開發(fā)壞境為：Matlab2016b。

3.2 特征點(diǎn)檢測(cè)與匹配的實(shí)驗(yàn)結(jié)果與分析

使用航拍安遠(yuǎn)門圖像集作為輸入，測(cè)試算法特征點(diǎn)檢測(cè)數(shù)量、特征點(diǎn)匹配數(shù)量、時(shí)間復(fù)雜度和三維重建效果。

圖1、表1的實(shí)驗(yàn)結(jié)果表明，BH-ASIFT算法比SIFT算法在時(shí)間復(fù)雜度上要高一點(diǎn)，但BH-ASIFT算法特征點(diǎn)檢測(cè)能力是SIFT算法的兩倍以上，其特征點(diǎn)匹配能力也要高于后者；BH-ASIFT算法對(duì)比原ASIFT算法在特征點(diǎn)檢測(cè)與匹配能力上要弱于后者，但是改進(jìn)算法比原算法在時(shí)間復(fù)雜度上要低于后者10倍左右，運(yùn)行效率顯著提升。經(jīng)過了以上步驟，再進(jìn)行點(diǎn)云生成、幾何重建、紋理重建、輸出結(jié)果，繼續(xù)做以下實(shí)驗(yàn)：

從圖2的實(shí)驗(yàn)結(jié)果對(duì)比可以看出，BH-ASIFT算法改進(jìn)的PMVS三維重建方法特征點(diǎn)檢測(cè)匹配能力大幅提升，直接影響后續(xù)的稠密點(diǎn)云生成、幾何重建、紋理重建，改進(jìn)后的三維重建方法重建效果要遠(yuǎn)優(yōu)于原三維重建方法。

4 總結(jié)

本文詳細(xì)介紹了改進(jìn)ASIFT的相關(guān)算法及具體流程，將BH-ASIFT算法的實(shí)驗(yàn)結(jié)果與SIFT、ASIFT算法實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，對(duì)比結(jié)果清晰明了地反映了改進(jìn)算法的優(yōu)越性。實(shí)驗(yàn)表明，本文提出的BH-ASIFT算法無論在檢測(cè)與匹配的特征點(diǎn)數(shù)量上，還是在三維重建效果上都優(yōu)于原算法，并且時(shí)間復(fù)雜度大幅降低。

參考文獻(xiàn)（References）：

[1] SHI LiMin， GUO FuSheng， HU ZhanYi，等. An Improved

PMVS through Scene Geometric Information利用空間幾何信息的改進(jìn)PMVS算法[J]. Acta Automatica Sinica，2011.37（5）：560-568

[2] ZHAO Lulu， GENG Guohua， ZHOU Mingquan等.Quasi-

dense matching based on color Sift algorithm for 3D reconstruction一種用于三維重建的彩色Sift準(zhǔn)稠密匹配算法[J].計(jì)算機(jī)應(yīng)用研究，2012.29（9）：3543-3546

[3] 魏梨君，潘陽，張超.結(jié)合Harris算子和sift匹配方法的三維重

建[J].電腦知識(shí)與技術(shù)，2009.5（11）：2980-2981

[4] Wang Y， Liu S， Guan Q， et al. Excellent Feature Points for

Three-Dimensional Reconstruction of Scene from Video[C]// Pattern Recognition.IEEE，2010：1-5

[5] 戴瓊海，李冠楠，謝旭東.Three-dimensional reconstruction

method based on multi-vision angle two-dimension image combined with SIFT algorithm：CN 101271582 A[P]，2008.

[6] Morel J M， Yu G. ASIFT： A New Framework for Fully

Affine Invariant Image Comparison[J].Siam Journal on Imaging Sciences，2009.2（2）：438-469