[发明专利]一种面向大规模三维重建的图像分块方法及装置

说明书

技术领域：

本发明涉及一种图像分块方法及装置，特别涉及一种面向大规模三维重建的图像分块方法及装置，属于图像处理技术领域。

背景技术：

物体或者环境的三维重建多年以来一直是计算机视觉的研究重点和热点之一，三维重建的目标是将二维图像转化为三维的立体图像，目前用摄像机等仪器记录下来的一般是二维的信息，而我们日常所处的环境是三维的，仅保留二维信息已经不能满足现代化生产的快速发展和需求，物体或者场景的三维重建技术变得越来越重要，高度仿真的三维建模技术正逐渐适用于各种可视化和模拟场景之中，它能够应用在减少设计费用和缩短设计周期等各个方面，并且能够为社会生活创造出巨大的经济效益。因此，三维建模前景十分有趣又诱人，可以应用到很多领域，有着很高的研究和利用价值。目前比较流行的一种三维重建技术是基于二维图像的，当某一场景的大量图像数据用于三维重建时，我们主要面临两个问题：首先是图像的质量问题，不同设备和条件下拍摄的图像质量各异，存在不少噪声过大或者与其他图像相关性不高，对整个重建并无意义的图像，强行加入重建序列只会增加整个重建过程的计算量，而且可能会重建出大量噪声点，从而影响重建精度；另一个问题是三维重建算法本身固有的难题，就是随着图像数目的增加，重建算法的计算量呈现指数级别增长，过多的图像加入重建可能会导致重建时间相当长，难以在实际系统中进行应用。

发明内容：

本发明的目的是针对以上问题，提出一种面向大规模三维重建的图像分块方法，在进行三维重建前将图像进行分块预处理，形成一系列质量和重建效率 都能有显著改善的图像子集合。

根据测试，图像数目在大约50张的时候重建效率和效果能够达到较好的状态，即可用较少的时间代价重建出效果不错的三维模型。而图像在太少的时候根本不能重建出模型，可以直接视为噪声图像。当图像太多时重建效果虽然好，但是重建效率低下。因此，本发明的思想就是将整个图像集合进行自适应聚类，生成一系列数量较小的子集，当集合中图像数目过少时视为噪声图像，可以直接丢弃；当图像数目过大时，迭代分割，直至满足能够快速重建的条件。这样得出的每个图像聚类可以理解为某一场景的图像序列，能够将当前覆盖的场景重建出来。只要满足图像集合间有重叠区域的条件，后续便可将整个大场景整合成一个整体的场景。

本发明是通过以下技术方案实现的：

一种面向大规模三维重建的图像分块方法，包括以下步骤：

步骤一、对于输入的图像集合根据图像间的匹配程度求出相似度矩阵；

步骤二、根据相似度矩阵通过以下步骤进行谱聚类：

步骤2.1根据相似度矩阵通过下述过程进行谱聚类：

步骤2.1.1利用相似度矩阵C根据下式计算对应的Graph Laplaction矩阵L，并对L做特征分解：

L＝I-D^-1C,D＝diag(d₁,d₂,...d_n),

其中，I表示单位矩阵，D^-1表示矩阵D的逆矩阵，diag表示对角矩阵；

步骤2.1.2根据输入图像数目以及以下原则确定分类数m：如果是首次谱聚类，分类数通过谱间隙确定，如果是递归进行的谱聚类，分类数由公式m＝(n+20)/50确定，其中m为分类数，n为当前图像集中图像数目；

步骤2.1.3嵌入映射：将矩阵L的特征值按照升序排列，取前k个最大的特征d₁,d₂,...,d_k，得到对应的k个特征向量构成的特征矩阵X＝(x₁,x₂,...,x_k)， 该特征矩阵的每一行可以视为每张图像映射到R^n×k空间的一个像；其中，k为预设的值；

步骤2.1.4将特征矩阵X的行向量归一化为单位向量，得到归一化后的矩阵Y；

步骤2.1.5对映射的像根据分类数m使用聚类方法将n个图像划分到m个类中；

步骤2.2、迭代谱聚类：对经过步骤2.1得到的聚类结果进行如下判定：

假设当前子类中的图像数目为α，THR₁和THR₂分别为预设的图像数目阈值，则：

i.如果α＜THR₁，则将当前子类中的所有图像归入不确定集合中；

ii.如果THR₁≤α＜THR₂，则当前子类为一个分好类的集合；