论文部分内容阅读
计算机视觉领域的三维重建技术已经有了很大的发展,立体匹配作为三维重建中的关键步骤,对匹配结果的实现发挥重要的作用。在口腔医学等领域对重建模型的精度要求较高,现有的匹配算法在重建模型的精细化程度上有一定的缺陷,亟需相应的匹配策略来实现和改进现有的匹配方式。本文的研究主要应用领域为口腔医学领域模型重建,此类应用场景对于重建模型的精度和计算速度都有较高的要求,传统的匹配方法往往顾此失彼,因而提出本文使用的匹配策略和计算方法,完成图像对之间的匹配,目的是避免常规匹配算法存在的缺陷,在保证匹配速度的同时,提高重建模型的精度,达到精细化匹配的目的。本文采用了一种新的Slant算法改进措施,该算法使用Slant斜平面块匹配算法来完成匹配过程中视差值的计算,主要针对性的处理类似人体面部的不规则光滑平面,在一个小的块状区域内,以选定的像素为中心将其视为斜平面来进行计算,认为其与相邻的像素点不在同一平面内,这种计算方法对于深度变化较为缓慢的区域比较合理,匹配计算结果误差较小,重建模型能最大程度上接近于真实物体。(1)本文采用了金字塔匹配方式与Slant斜平面匹配算法结合的计算方法,金字塔匹配方式对于处理图像多次匹配具有明显的优势,在金字塔的每一层完成两次匹配,通过Slant算法计算匹配过程中的视差值,并将第一次匹配计算所得的视差值作为下一次匹配的初始视差,从第一层直至最后一层,依次迭代,完成匹配计算,重建精细化的三维人脸模型。(2)Slant斜平面匹配算法在处理图像不对等的数据信息时,不需要进行图像位置调整或人为干预,即使在图像有一定角度旋转和位置偏移的情况下,也可以准确的捕捉有效的像素点,实现图像匹配的目的。这种方式适用于处理大多数的图像模板匹配,用广阔的应用前景,对于动态信息匹配也有一定的价值。改进了的匹配计算方法通过四层金字塔匹配方式,在匹配约束条件下,采用Slant斜平面块匹配算法来计算匹配过程中的视差值,在金字塔的每一层完成两次匹配,并将本次计算所得视差值作为下一次匹配计算的初始视差,依次迭代,直至最后一层,完成匹配过程,求得三维物体的深度图,得出三维点云数据模型,并以此为基础,进行后续的数据融合、纹理映射等操作,得出精细化的三维模型,还原真实的三维人脸数据。本文中所采用的算法及其改进措施主要应用于医学应用中的面部软组织重建,通过采用相同的图像数据,在同一套重建系统中重建出了两组三维的面部模型,通过量化指标进行分析。