题目：基于序列图像的物体形状重构方法研究

由二维的序列图像获取物体三维信息是机器视觉的一个重要研究领域，并且，一直以来，基于运动恢复三维形态的方式是三维重构研究的热点，并得到迅速发展，其只需要一台摄像机对场景进行不同角度和位置的拍摄就可得到输入的二维序列图像并进行三维重构，这种方式对设备要求少，成本低廉。然而，从二维图像恢复三维物体形态的方式属于降秩问题，假定的先验知识不同，重构结果也会有差异，甚至导致重构失败。因此，随着应用要求的不断提高，新的技术和科学方法逐渐被提了出来。

按摄像机所获取的图像间的相互关系分类，可以将图像序列分为有序图像序列和无序图像序列两种，根据不同场合，可采取不同的重构方式。本文对这两种方式均进行了研究，并作出了以下贡献：

1. 对基于SIFT匹配特点对儿去除误匹配的方法进行了改进。这种方法不仅有效的

去除了一对多或者多对一的误匹配，还充分利用了数据。

2. 在有序图像重构方面，由于序贯式的重构方式存在三维点重复重构的情况，所以提出了一种图像数大于3情况下去除重复重构点的方式，这种方法充分利用SIFT对射影变换、尺度变化等因素影响不敏感的鲁棒性，在一定程度上提高了最终的重构效果。

3. 在无序图像重构方面，针对排序中需要对每两幅图的特征点进行匹配的问题进行了改进，避免了某些图之间的没有必要的比较，缩减了比较时间，提高了排序效率。

4. 提出了一种基于靶标的评价方法。这种方式基于重构的目的，与前人比较摄像机实际位姿来衡量准确度相比更有实际意义。

本文最后还构建了一个重构系统，便于观察和评价重构结果。系统包括有序序列图像三维重构，无序序列图像三维重构和重构置位三个部分，并且前两部分的重构效果均可通过嵌套在MFC上的OpenGL进行直观显示。