超精度视频内容三维重建

由于视频图像序列的基线短、场景远，以至于微小的特征位置误差都会导致三维重建结果的很大误差，所以利用传统的从运动重建三维结构的方法，其精度和可靠性都很低。本项目提出超精度视频内容三维重建的理论思想，以超越直接由图像系统及状态信息所能达到的精度限制。提出一种稀疏特征点模糊指数（SFBI指数），进行内容无关的图像序列优选和模糊帧排除，结合面向对象的帧内帧间信息混合超分辨率方法，以及设计基于几何特征约束的可靠的闭环三维重建等分层理论，以实现超精度重建的目标。项目研究完整的理论构架，包括有效的原理、方法和实现技术，并具体地分为具有递进关系的三层处理过程，最终实现面向对象的、可靠的、超精度的视频内容三维重建。

本项目根据计划研究了超精度视频内容三维重建的相关理论和方法，对视频内容提取特定目标的三维信息。项目提出一种稀疏特征点模糊指数，结合了相关实现方法，包括内容无关的图像优选和模糊帧排除、结合帧内帧间信息的面向对象混合超分辨率合成、以及基于几何特征约束的可靠三维重建。具体工作包括：1、结合帧内帧间信息超分辨率分析；2、特定感兴趣目标的处理方法研究；3、超分辨率合成的实验工作；4、几何约束的闭环三维重建研究；5、数据优化；6、特征点校正和排除方法研究；7、特征点运动速度统计分析策略；8、三维物体结构重建。期间进行了国际交流访问5人次。培养博士生6名、硕士生12名。在IEEE Transactions等国际期刊上发表SCI收录论文24篇，其中ESI高被引论文多篇。申请和获得发明专利10多项。