（河南工程學(xué)院計算機學(xué)院 鄭州 451191）

1 引言

隨著計算機數(shù)字圖像處理技術(shù)的發(fā)展，采用數(shù)字圖像處理技術(shù)進行三維物體重建，在計算機視覺下實現(xiàn)圖像特征重構(gòu)，提高圖像的三維模擬和識別能力。研究圖像的三維重建方法，在虛擬現(xiàn)實仿真、醫(yī)學(xué)圖像識別、三維空間模擬以及軍事作戰(zhàn)指揮等領(lǐng)域都具有很好的應(yīng)用價值，圖像的三維重建的關(guān)鍵是特征點配準(zhǔn)和分辨力的提升問題，研究三維圖像的高分辨重建技術(shù)具有廣闊的應(yīng)用前景［1］。

對圖像的三維重建建立在圖像的特征匹配和紋理渲染基礎(chǔ)上，結(jié)合角點檢測和圖像平滑技術(shù)實現(xiàn)圖像三維重建，傳統(tǒng)方法中，對圖像的三維重建方法主要有SIFT（Scale Invariant Feature Transform）特征匹配方法、邊緣輪廓特征分解方法、支持向量機方法以及稀疏點重構(gòu)方法等［2～4］，其中，文獻［5］中提出一種于銳化模板增強技術(shù)的多模態(tài)圖像表面輪廓重建方法，基于結(jié)合活動輪廓套索模型進行多模態(tài)圖像輪廓特征提取，提高三維圖像重建的銳化效果，但該方法進行圖像重建中受到的散亂點的干擾較大，重建圖像的輸出質(zhì)量不好；文獻［6］中提出基于背景差分連續(xù)重構(gòu)和RGB量化分解的多模態(tài)圖像輪廓重建技術(shù)，采用網(wǎng)格分割方法進行圖像的模板匹配處理，根據(jù)多模態(tài)圖像的內(nèi)部紋理結(jié)構(gòu)進行圖像的自適應(yīng)分解，提高圖像的表面渲染能力，但該方法進行圖像重建的計算復(fù)雜度較高，圖像重建的實時性不好。

針對上述問題，本文提出一種基于多模態(tài)圖像配準(zhǔn)的圖像高分辨重建技術(shù)。采用三維模板匹配方法進行三維圖像的邊緣相關(guān)性檢測，采用三角網(wǎng)格表面渲染方法實現(xiàn)圖像的紋理跟蹤，結(jié)合Harris角點檢測方法提取三維圖像特征點與輪廓信息，對重建三維圖像的表面紋理特征進行多模態(tài)配準(zhǔn)，對圖像進行平滑去噪，降低圖像重建的表面誤差，實現(xiàn)圖像的高分辨重建。最后通過仿真實驗進行性能驗證，展示了本文方法在提高多模態(tài)圖像三維重建能力方面的優(yōu)越性能。

2 三維模板匹配和圖像表面渲染

2.1 圖像的三維模板匹配

為了實現(xiàn)對多模態(tài)圖像的高分辨重建，首先構(gòu)建圖像的特征分析模型，采用三維模板匹配方法進行三維圖像的邊緣相關(guān)性檢測［7］，設(shè)三維多模態(tài)圖像像素序列的分布矩陣描述為

采用圖像動態(tài)場景特征匹配方法，得到三維多模態(tài)圖像的邊緣像素特征分量為

根據(jù)圖像的表面紋理結(jié)構(gòu)分布，得到多模態(tài)圖像的逆加權(quán)，得到圖像的相關(guān)性檢測的加權(quán)函數(shù)f(gi)為

由此獲得圖像三維動態(tài)重建的背景差分量，在圖像的平滑區(qū)域進行RGB分解，RGB分解式為

根據(jù)上述模型構(gòu)建，采用三維模板匹配方法進行三維圖像的邊緣相關(guān)性檢測，提高圖像三維重建的目標(biāo)匹配和特征點自適應(yīng)配準(zhǔn)能力［8］。

2.2 圖像的三角網(wǎng)格表面渲染

在進行圖像的模板匹配的基礎(chǔ)上，采用三角網(wǎng)格表面渲染方法實現(xiàn)圖像的紋理跟蹤，這一實現(xiàn)過程如圖1所示。

圖1 三角網(wǎng)格表面渲染過程

根據(jù)圖1，采用三角網(wǎng)格表面渲染方法［9］，得到圖像網(wǎng)格分割的線性方程組為

在圖像的重建表面點掃描方法進行紋理特征分割，得到紋理分割函數(shù)為

式中，I(x，y)表示多模態(tài)圖像在(x，y)處的分塊系數(shù)，L(x，y，σ)表示圖像分辨系數(shù)，G(x，y，σ)表示關(guān)聯(lián)像素值，計算式為

判斷多模態(tài)圖像的褶皺信息，采用相關(guān)性檢測方法，得到圖像表面重建的灰度像素值為E(d (x ，y ) )，圖像的三維重建的稀疏度控制函數(shù)為

式中，F(xiàn)d表示多模態(tài)圖像的邊緣尺度，圖像的網(wǎng)格表面的噪點距離為d(x ，y)，根據(jù)紋理渲染結(jié)果，得到圖像的三角網(wǎng)格表面渲染的特征集為

在圖像的三角網(wǎng)格表面渲染處理的基礎(chǔ)上，結(jié)合特征提取和角點檢測方法，實現(xiàn)圖像高分辨重建優(yōu)化。

3 圖像高分辨重建算法優(yōu)化

3.1 三維圖像特征點與輪廓信息提取

在采用三維模板匹配方法進行三維圖像的邊緣相關(guān)性檢測和表面渲染的基礎(chǔ)上，進行三維圖像高分辨重建優(yōu)化設(shè)計，本文提出一種基于多模態(tài)圖像配準(zhǔn)的圖像高分辨重建技術(shù)，對原始圖像進行自適應(yīng)濾波，濾波函數(shù)表達如下：

其中，Gnew和Gold分別多模態(tài)高頻分量和低頻分量，采用邊緣輪廓特征提取方法［10］，得到多模態(tài)配準(zhǔn)特征分量：

式中，TC為多模態(tài)圖像重建平滑算子，Md(Ci)表示Ci中圖像邊緣信息特征分量。結(jié)合Harris角點檢測方法提取三維圖像特征點與輪廓信息［11］，得到信息分量為

對重建三維圖像的表面紋理特征進行多模態(tài)配準(zhǔn)，輸出為

根據(jù)特征提取結(jié)果進行圖像的高分辨自適應(yīng)重構(gòu)設(shè)計。

3.2 多模態(tài)配準(zhǔn)及圖像重建輸出

在對三維圖像特征點與輪廓信息提取的基礎(chǔ)上，對圖像進行平滑去噪［12～14］，得到去噪后的圖像平均像素集為

其中：x1，x2，x3...xT是每個子塊的模板匹配集，T為像素分布密度。建立多模態(tài)圖像的統(tǒng)計形狀模型，得到三維重建的邊緣像素集為

采用異步迭代更新方法，進行圖像的自適應(yīng)配準(zhǔn)和圖像高分辨重建［15］，這一實現(xiàn)過程描述為

1）第一步多模態(tài)圖像渲染

2）第一步圖像重建更新

3）第二步圖像渲染

4）第二步圖像重建更新

經(jīng)過多次迭代運算，實現(xiàn)了基于多模態(tài)配準(zhǔn)的圖像高分辨重建優(yōu)化。

4 仿真實驗與結(jié)果分析

為了測試本文方法在實現(xiàn)圖像的高分辨重建中的應(yīng)用性能，進行仿真實驗，實驗采用Matlab設(shè)計，實驗對象為人體的心內(nèi)膜圖像，對多模心內(nèi)膜圖像采樣的稀疏點個數(shù)為100個，表面點個數(shù)為1000，圖像的干擾強度為-12dB，正則化參數(shù)為0.12，模糊核系數(shù)為0.24，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行重建，取不同的特征點數(shù)，得到重建結(jié)果如圖2所示。

圖2 三維心內(nèi)膜圖像的重建結(jié)果

分析圖2得知，采用本文方法進行圖像重建，隨著特征點個數(shù)的增多，重建的分辨效果越來越好，采用本文方法進行圖像三維重建的特征匹配能力較強。測試采用本文方法和傳統(tǒng)的CT方法進行圖像重建的效果，得到結(jié)果如圖3所示。

圖3 重建效果對比

分析圖3結(jié)果得知，采用本文方法進行圖像重建的分辨效果較好，降低圖像重建的表面誤差。測試不同方法進行圖像重建的配準(zhǔn)精度，得到結(jié)果如圖4所示。分析圖4得知，本文方法進行圖像重建的特征點配準(zhǔn)精度較高，說明圖像重建準(zhǔn)確性較好。

圖4 圖像重建的特征匹配精度對比

5 結(jié)語

在計算機視覺下實現(xiàn)圖像特征重構(gòu)，提高圖像的三維模擬和識別能力，本文提出一種基于多模態(tài)圖像配準(zhǔn)的圖像高分辨重建技術(shù)。采用三維模板匹配方法進行三維圖像的邊緣相關(guān)性檢測，采用三角網(wǎng)格表面渲染方法實現(xiàn)圖像的紋理跟蹤，結(jié)合Harris角點檢測方法提取三維圖像特征點與輪廓信息，對重建三維圖像的表面紋理特征進行多模態(tài)配準(zhǔn)，對圖像進行平滑去噪，降低圖像重建的表面誤差，實現(xiàn)圖像的高分辨重建。研究表明，采用本文方法進行圖像重建的質(zhì)量較高，效果較好。