一种“客观度量”和“深度学习”共同驱动的立体匹配方法

提出一种基于"客观度量"和"深度学习"共同驱动的立体匹配方法,互补"度量"和"学习"特征,提升立体匹配视差图的精度。将基于灰度差绝对和(SAD)与灰度梯度差绝对和(GRAD)两类算子的客观计算特征和基于数据驱动的深度学习特征进行加权融合,构建匹配代价模型;采用引导滤波器对匹配代价进行聚合;通过胜者全赢算法得到初始视差图;最后,运用左右一致性校验和加权中值滤波器优化视差图,去除误匹配点,得到最优视差图。在Middlebury立体匹配评估平台上的测试实验表明,所提算法能有效降低视差图平均绝对误差和均方根误差。     

基于改进Census变换的局部立体匹配算法

针对基于传统Census变换的立体匹配算法鲁棒性差和精度不高的问题,提出一种基于改进Census变换的自适应权重立体匹配算法.首先,用Census变换窗口中邻域像素的中值来替换中心像素的灰度值,克服了邻域像素对中心像素的依赖;然后用自适应权重的方法分别计算匹配代价和进行立体匹配,得到初始视差;最后通过左右一致性校验和亚像素提精的方法得到稠密的视差图.实验结果表明,该算法有很强的鲁棒性和很高的匹配精度.     

基于小基高比的快速立体匹配方法

为了提高立体匹配效率和获得高精度的亚像素级视差,该文提出一种快速的小基高比立体匹配方法。该方法首先利用积分图像加速自适应窗口和规范互相关度量的计算,然后根据可靠性约束进一步拒绝错误匹配,再采用基于迭代二倍重采样的亚像素级匹配方法为可信点计算亚像素级视差,最后利用基于图分割的视差平面拟合方法获得稠密的亚像素级视差图。实验结果表明该方法不但可获得高精度的亚像素级视差而且还提高了算法的匹配效率,满足了小基高比立体重建的需求。     

一种基于贝叶斯理论的高效立体匹配方法

在立体匹配中,同时保证算法的精度和速度是一个技术难题。提出了一种基于贝叶斯理论的快速稠密立体匹配算法。将贝叶斯概率分布理论应用到立体匹配问题上,利用MSERDoG算子提取支撑点,像素灰度值作为匹配代价、固定窗口作为代价聚合对其进行匹配,对匹配好的支撑点进行三角剖分,将支撑点的视差、梯度、三角剖分的线性系数及分割作为计算视差的先验概率条件,从而保证了有效的视差搜索空间,提高了匹配效率。最终通过最小化能量函数获得稠密的视差图。在国际标准Middlebury平台进行实验,结果表明提出的算法匹配精度高,速度快,误匹配率低,匹配效率高。     

基于稀疏-密集匹配算法的视差度量

图像匹配是一种约束最优化问题，系统是否收敛于全局最优值一直尚未解决。为得到密集连续的视差图，通常在匹配算法中引入唯一性、连续性、有序性约束。但对于遮挡区域的像素，其对应点并不存在，因此过度平滑的视差结果会导致在遮挡边缘处，灰度变化显著的表面渗透至邻接的灰度变化和缓的表面，出现所谓的表面膨胀缩小现象。当定义图像匹配算法中最优匹配标准时，必须根据图像的内在信息加入其他一些约束条件，保证遮挡存在下匹配结果的全局精确度。提出一种稀疏-密集的匹配算法，利用能量图确定稀疏的视差图，然后运用相位匹配方法对视差图进行内插，并结合最优化理论克服局部最优困扰。实现遮挡检测。立体像对的匹配试验结果表明了该方法的有效性。     

基于3D视频的深度图获取方法的研究与实现

本文采用基于区域的立体匹配方法从立体视频图像对中获取稠密视差图。在区域窗口大小选取上采用K-均值算法,保证每个子窗口位于同一物体内部,窗口内深度信息趋于一致;采用NCR算法运用匹配窗口周围的环境信息,提高窗口选取的智能性和匹配的准确性,改善少纹理区域的匹配效果;采用双向匹配方法有效去除因遮挡等原因产生的误匹配点,提高匹配精度,得到初始视差图;同时研究视差图优化方法,得到高质量稠密视差图,为后期新视图合成等其它应用提供基础。     

基于视差和帧差的图割优化运动目标分割算法

提出一种基于视差和帧差的图割优化运动目标分割算法,在运动目标分割过程中,利用能量函数优化方法得到较为准确的区域视差,同时在此基础上将视差和帧差特征采用图割算法的能量函数进行融合,以此提高前景目标分割的准确性。实验结果表明该方法当区域视差的优化受到灰度因素的影响时,利用图割结合视差和帧差特征能够有效地减少视差优化不够准确的区域被检测为前景目标的可能性,同时也能填补大多数帧差分割的空洞,增强了分割结果的稳定性。     

基于引导滤波及视差图融合的立体匹配

立体匹配是双目视觉领域的重要研究方向.为在保证图片纹理区域匹配精度的同时降低弱纹理区域的误匹配率,提出一种基于引导滤波及视差图融合的立体匹配方法.首先,根据图像颜色相似性将图片划分为纹理较丰富区域和弱纹理区域.接着,分别采用不同参数的引导滤波进行代价聚合及视差计算,得到两张视差图.然后依据纹理区域划分的结果对获得的两张视差图进行融合.最后,通过左右一致性检测、加权中值滤波等视差优化步骤得到最终视差图.对Middlebury测试平台上标准图像对的实验结果表明,该方法在6组弱纹理图像上的平均误匹配率为9.67％,较传统引导滤波立体匹配算法具有更高的匹配精度.     

Moving Object Segmentation Algorithm Based on Graph Cut Optimization Integrating Disparity and Frame Difference

提出一种基于视差和帧差的图割优化运动目标分割算法,在运动目标分割过程中,利用能量函数优化方法得到较为准确的区域视差,同时在此基础上将视差和帧差特征采用图割算法的能量函数进行融合,以此提高前景目标分割的准确性.实验结果表明该方法当区域视差的优化受到灰度因素的影响时,利用图割结合视差和帧差特征能够有效地减少视差优化不够准确的区域被检测为前景目标的可能性,同时也能填补大多数帧差分割的空洞,增强了分割结果的稳定性.     

基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

一种利用MAP估计的双目运动体视算法

本文提出一种融合运动和体视信息的运动与结构参数的鲁棒估计算法，算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，并计算关联的置信度；然后利用位移估计，从两图像序列之一计算相对深度，导出能用于匹配两体视图像序列的视差先验概率分布，使体视对的两帧图像匹配，确定３Ｄ景物深度，算法可方便地估计每个像素处的视差，不需对表面作平滑假设。     

RGB空间下结合高斯曼哈顿距离图的彩色图像边缘检测

为了能够更好地利用彩色图像的信息进行边缘检测,提出一种RGB空间下结合高斯曼哈顿距离图的彩色图像边缘检测方法.首先分析了彩色图像到灰度图像转换的信息损失,并给出一种RGB空间下边缘的度量方法.其次,通过引入高斯曼哈顿距离,分别在RGB三个通道进行处理,并通过新的边缘度量法统一获得彩色图像的距离图.最后将距离图映射到0~255的灰度范围内,得到最终的边缘检测结果.实验结果表明,本文方法具有较高的处理速度和较好的处理结果.     

Study on traffic scene semantic segmentation method based on convolutional neural network

In order to improve the semantic segmentation accuracy of traffic scene,a segmentation method was proposed based on RGB-D image and convolutional neural network.Firstly,on the basis of semi-global stereo matching algorithm,the disparity map was obtained,and the sample library was established by fusing the disparity map D and RGB image into the four-channel RGB-D image.Then,with two different structures,the networks were trained by using two different learning rate adjustment strategy respectively.Finally,the traffic scene semantic segmentation test was carried out with RGB-D image as the input,and the results were compared with the segmentation method based on RGB image.The experimental results show that the proposed traffic scene segmentation algorithm based on RGB-D image can achieve higher semantic segmentation accuracy than that based on RGB image.     

结合邻域权值和色彩信息的彩色立体匹配算法

为了提高彩色图像的立体匹配精度,结合格式塔 心理学和像素的色彩信息,在RGB彩色空间下提出了 一种改进的基于误差绝对值累积(SAD)的立体匹配算法。算法使用色彩相似度和像素距离信 息获取邻域窗内的 像素权值,并使用线性查找表技术加速权值的计算速度;根据像素点RGB色彩分量的分布 特点,生成对应 的分量权值,进一步增强了匹配代价函数的稳定性。实验结果表明,改进后的匹配算法较灰 度SAD及标准彩色SAD算法在精度上有明显的提高。     

A Robust Algorithm Based on Object Contours and Order Matching for Disparity Map Post-Processing

1　ＩｎｔｒｏｄｕｃｔｉｏｎＤｉｓｐａｒｉｔｙｅｓｔｉｍａｔｉｏｎ ,ｎａｍｅｌｙ ,ｓｔｅｒｅｏｍａｔｃｈｉｎｇ ,ｉｓｔｈｅｋｅｙｔｏｓｔｅｒｅｏｖｉｓｉｏｎａｎｄｓｔｅｒｅｏｉｍａｇｅｃｏｍｐｒｅｓ ｓｉｏｎ .Ｆｏｒｔｈｅｐｒｏｂｌｅｍｏｆｓｃｅｎｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｕｓｉｎｇｓｔｅｒｅｏｉｍａｇｅｓ,ｔｈｅｐｒｅｃｉｓｉｏｎｏｆｅｓｔｉｍａｔｅｄｄｉｓｐａｒｉｔｙｄｅｔｅｒｍｉｎｅｓｔｈｅｄｅｇｒｅｅｏｆｔｒｕｔｈｆｕｌｎｅｓｓｏｆｒｅｃｏｎｓｔｒｕｃｔ ｅｄｏｂｊｅｃｔｓ.Ｍｏｒｅｏｖ…     

基于扩展相位相关的小基高比立体匹配方法

为获得高精度亚像素级视差以满足小基高比摄影测量需求,提出一种基于扩展相位相关的小基高比立体匹配方法.该方法采用分步式策略,首先利用自适应窗口匹配法计算整像素级视差,然后在整像素级视差的指导下建立同名像点之间的对应关系,再分别以左右同名像点为中心截取子图像,最后利用扩展相位相关匹配法对子图像进行亚像素级匹配,获得亚像素级视差.采用小基高比立体像对和带有亚像素级视差的模拟立体像对进行实验,结果表明基于扩展相位相关的小基高比立体匹配方法在精度和效率方面具有优越性能.     

二次加权引导滤波融合双色彩空间模型的立体匹配

立体匹配一直以来都是双目视觉领域中研究的重点 和难点。针对现有立体匹配算法边 缘保持性差、匹配精度低等问题,提出了一种二次加权引导滤波融合双色彩空间模型的立体 匹配算法(Secondary Weighted Guided Filtering fusion double color model,SWGF)。首 先在代价计算阶段提出了一种双色彩空间模型,从两个颜色空间进行像素颜色匹配代价计算 ,增强像素在低纹理区域的特征;然后在代价聚合阶段基于HSV颜色空间利用不同窗口中像 素纹理不同加入一个边缘保持项,从而使正则化参数进行自适应调整。在一次引导滤波之后 ,我们使用Census变换得到的汉明距离和初始视差完成一次代价更新,再次对其进行代价聚 合,随后计算视差并对视差进行左右一致性检测、空洞填充和加权中值滤波等优化,最后获 得视差图。本文算法在Middlebury测试平台上测试结果表明SWGF算法误匹配率仅为 4.61%,可以大幅提升立体匹配的精度,同时增强其边缘保持性。     

基于视差估计的中间视合成

提出了一种基于视觉估计的中间视合成方法.为了生成高质量的中间视图,在视差估计中提出了一种新的基于自适应权值的方法,并在匹配的代价函数中引入视差平滑性约束项.在获得可靠密集视差图后,通过寻找中间视图中像素点在左、右图像中的对应点来合成中间视.实验结果表明,本算法可以获得很好的视差图,合成的中间视图具有较高的质量.