三维重建预处理中图像分割算法研究

作     者：孔显 

作者单位：河南大学 

学位级别：硕士

导师姓名：谢谦

授予年度：2019年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：三维重建 高斯混合模型 GrabCut 非归一化直方图 连续分割 

摘      要：基于序列图像的三维重建是一种操作方便、有效的重建方法,该类方法首先对重建目标进行多角度拍摄得到序列图像集,其次对获取图像进行特征提取、立体特征匹配等操作生成对应的三维点云数据,最后通过对重建对象进行表面重建得到三维模型。该类算法重建流程较为复杂,并且获取到的序列图像集中存在大量相似的冗余信息,给三维重建工作增加了负担,在一定程度上降低了重建的效果和效率。本文依托重大历史事件时空关联信息的虚拟仿真技术及其支撑平台课题的项目,对三维重建预处理过程中的图像分割算法进行研究,重点关注对重建目标的精准提取,减少重建过程中图像冗余信息的处理工作,实现重建过程中仅对目标物体进行建模,能够有效的减轻三维重建系统的任务量,对提高重建工作的效率和重建目标效果也具有重要意义。所以本文在GrabCut算法的基础上,进一步研究图像分割在古建筑三维重建中应用。主要研究工作如下:(1)针对GrabCut算法在图像分割中存在迭代求解耗时长,分割结果欠分割的问题,提出一种基于非归一化直方图改进的GrabCut算法。首先该算法在GrabCut算法第一次分割结果的基础上,通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程,减少了时间的消耗。然后在构图过程中引入一类新的节点Bin进行构图,提高分割精度。最后选取MSRA1000数据集中部分图片进行实验验证,实验结果表明该算法在分割效果和效率上都有明显的提升;在进行背景复杂图像的分割时,改进算法优势更加明显。(2)针对高斯混合模型建模过程重复耗时,以及GrabCut只能针对单张图像进行处理,直接增加了图像分割的工作量,影响着三维重建的效率和效果,针对上述问题,提出一种基于混和高斯模型的GrabCut连续分割,实现了序列图像中相似图像的连续分割。本文首先统计了高斯混合模型判断图像像素属于前景或背景的过程和在算法中消耗的时间,其次根据序列图像集中的连续多张图片存在相同或相似背景信息的特点,以及当连续多张图像相似度较高时,它们的高斯混合模型的参数也具有极高的相似度的特性。在进行三维重建中存在连续相同或相似的图像,所以在进行分割目标时本文重复使用高斯混合模型,实现对三维重建序列图像的分割,以减少重复建模引入的时间开销。通过对项目中的开封古建筑三维重建进行算法验证,实验结果表明,本文所改进的算法减少了图像分割的工作量和实现对目标精度分割,三维重建的效率和效果都有明显的提升,达到了预期的效果。