[发明专利]一种基于凝聚层次树的快速迭代重建方法

摘要

本发明涉及一种基于凝聚层次树的快速迭代重建方法，包括图像对间的相似度计算‑凝聚层次树生成‑迭代计算，在对图像相似度计算时，适合数量多、尺寸大的图像，能大大缩减图像的批次配时间；在迭代过程中，由于凝聚层次树指定了多条迭代的路径，把大的问题分割成为多个小问题，解决了参数的计算结果随图像数量增多出现漂移的问题。

主权项

1.一种基于凝聚层次树的快速迭代重建方法，其特征在于：包括如下步骤：1)图像对间的相似度计算1a)给定图像集合，采用SIFT特征提取算法提取给定图像集合中所有图像的SIFT特征，形成SIFT特征点集合，每一个图像包括m个SIFT特征点，SIFT特征点包含的信息有对应的图像序列、像点坐标；1b)计算给定图像集合中每一个图像的m个SIFT特征点的idf；1c)构造K个hash函数，使用这K个hash函数，对给定图像集合中每一个图像的每一个SIFT特征点进行哈希求值得到m×K个哈希值，然后由小到大对m×K个哈希值排序，由小到大取前K个最小哈希值，即每一个图像均得到K个最小哈希值；1d)对给定图像集合中的任意两两图像在K个最小哈希值中求交集和并集之比，交集和并集之比为任意两两图像的相似度，即图像对间的相似度；2)凝聚层次树生成根据步骤1d)中得到的任意两两图像对间的相似度进行聚类预先生成一颗层次树，准确地记录迭代顺序；预先生成一颗层次树的聚类类型包括三类：第一类是图像对间的聚类、第二类是单张图像向一个类的聚类、第三类是两个类间的聚类，其中，L代表凝聚层次树的级数；3)迭代计算第一类是图像对间的聚类：以其中一个图像的相机坐标系为基准坐标系，即将其中一张图像的相机位置作为原点，对另一张图像通过五点法对其进行相对定向；第二类是单张图像向一个类的聚类：首先利用在该单张图像上已有类中的可见模型点，通过DLT算法得到该单张图像的参数估值；在已知六个物方空间点坐标和对应像点坐标的前提下，通过DLT算法计算相机的内外参数，虽然它计算的结果精度不高，相机的内外参数用来作为光束法平差的初值；然后通过将该单张图像的参数估值和该单张图像所能观测到的可见模型点的坐标作为初值，与光束法平差的初值进行光束法平差，将该单张图像的参数估值和可见模型点坐标进行优化，经过优化之后，通过三角测量得到新加入模型点的坐标；第三类是两个类间的聚类：每个类各自的聚类，都是建立在各自的相机坐标系下，为了进行两个类在三维空间的配准，必须统一坐标系，这个阶段就是利用两个类间的公共的模型点，计算两个类之间在平移、旋转和缩放上的相似变换，即七参数绝对定向从而完成迭代重建。