4） 分类管理模块
为了方便用户查看相关文章，管理员发布的文章会有所属的分类类别，管理员可以对分类的类别进行增删改。
5） 标签管理模块
管理员发布的文章会有所属的标签，管理员可以对标签的种类进行增删改。
第 6 章 总结和展望
6.1 工作总结
三维重建技术一直都是计算机视觉的热门研究方向，广泛应用在文物保护、场景模拟、医学治疗、人体测量等领域中。目前主要通过三种主流的方式来进行三维建模，分别是利用专业的建模软件重建目标对象、通过相关三维扫描设备来扫描目标对象，获取目标的三维数据来进行三维重建、基于多视角图片三维重建。本文主要研究了基于多视角图片的三维重建技术，这种方式准确、高效、且不需要昂贵的成本，利用普通相机对目标人物拍摄多张角度的图像，便可以重建出较为理想的人体模型。本文的主要工作内容如下：
（1）在图像处理阶段，本文先是利用 Mask R-CNN 对目前人物图像进行人物和背景的分割，从而降低了背景对特征点提取、特征点匹配以及人物三维重建的影响，缩短了整个三维重建的运行时间，减少了噪声的影响，也提升了重建出的人物模型的精度。然后通过对图像进行灰度化，在保留了原图中的色度和亮度特征及分布的同时，还减少了图像中的色彩等无效的信息，降低了计算量。然后加入拉普拉斯算子对图像进行锐化处理，以增强图像的边缘以及灰度突变的部分,使图像变得清晰，从而提高特征点的提取效果。
（2）在特征点提取与匹配阶段，首先是特征点提取部分，特征点提取阶段是三维重建中尤为重要的一步，本文使用 SIFT 算法提取目标人物图像的特征点， 然后是特征点匹配阶段，针对传统的穷尽式匹配耗时过多的问题，本文对提取的特征点构建二维 KD 树，在能达到同样的效果的情况下加快了匹配速度并使用二近邻算法初步筛选匹配点。然后针对传统的 RANSAC 算法进行误匹配对滤除时，不仅误匹配剔除精度不高，而且会将一部分正确的匹配点也滤除。因此，本文引入了 AdaLAM 算法来高效快速滤除外点，实验证明在保证匹配的对数的情况下有效地滤除了错误匹配对，从而较少了对三维重建的影响，提升了三维重建的速度。
参考文献（略）
