基于DOG特征点的序列图像匹配算法

针对实时匹配的要求,提出一种基于DOG特征点的快速图像匹配算法,用以匹配只存在平移和较小旋转的序列图像.该算法通过求高斯差分算子在尺度空间上的局部极大值和极小值提取特征点,然后根据圆旋转不变特性生成20维的旋转不变特征描述子,并充分利用特征点的区域特征和灰度特征进行匹配,最后根据序列图像对应特征点之间的距离基本保持不变的特性剔除错误的匹配点.实验结果表明该算法快速有效,而且对噪声影响不敏感,具有很强的实用性.     

一种改进的自适应权重立体匹配算法与校正

立体匹配是立体视觉中一个重要的环节,针对自适应权重匹配算法中难以兼顾速度和精度的不足,提出了一种基于色彩的局部立体匹配算法。首先,利用区域连通性和颜色相似性改进权重因子,提出基于颜色变化约束的区域生长算法,有效提高了算法的精度和速度;然后基于颜色相似性提出一种视差校正算法,根据颜色相似性的结果对初始视差图进行视差校正,在没有增加额外工作量的前提下进一步提高算法的精度。实验结果表明,此算法能有效提高重复区域、边缘区域、低纹理区域的精度,而且速度较自适应权重算法提高了近20%,与当前主流算法具有可比性。     

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。     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

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。     

融合梯度特性与置信度的立体匹配算法

针对现有局部立体匹配算法在计算匹配代价时, 不能很好区分强弱纹理区域,及在视差计算过程 中,不能很好的解决视差歧义问题,提出一种融合梯度特性与置信度的立体匹配算法。首先 计算梯度特 征,并根据梯度特征信息选择匹配代价计算的匹配窗口,针对强弱不同纹理区域选择不同尺 寸的匹配窗 口,有效的提高了立体匹配精度,降低了误匹配率;然后在视差计算中引入置信度约束条件 ,解决了视差 计算中视差歧义的问题,提高了立体匹配算法的稳定性与精度;最后使用水平与垂直方向交 叉区域检测进 行奇异值的修正。实验结果表明,该算法在Middlebury数据集中31对 立体图像对的平均误匹配率为7.96%,有效的提高了立体匹配精度。     

基于ASIFT道路交通标志的定位与识别方法

针对智能交通系统中的交通标志识别,提出了一种基于ASIFT (仿射尺度不变特征变换)算法的定位与识别方法。首先,分类道路交通标志并提取模板;然后,采用ASIFT算法选择目标图像对应的模板和交通标志集合;其次,根据匹配模板ASIFT特征点的几何分布,定位交通标志的目标区域;最后,计算目标区域和交通标志集合的特征向量欧氏距离。基于ASIFT算法,达到了准确的定位与识别效果。通过实验,验证了该方法的可行性。     

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.     

基于Mean Shift立体匹配的视图合成算法及仿真

立体匹配一直是计算机视觉和图像处理领域的中心研究问题。文中提出一种基于Mean Shift算法理论的区域分割图像的立体匹配方法,实现水平方向任意位置的视图合成。新的立体匹配方法是根据分割区域像素间的颜色相似性和多窗口的权值匹配代价函数实现立体图像的匹配,通过上述匹配法得到的视差图采用winner-take-all进行优化视差值并对其做平滑操作,最后采用正向视图插值方法对任意位置进行视图合成。实验结果表明,该算法具有良好的图像分割效果,较小的视图误差,轮廓清晰,具有良好的立体效果。     

基于加权匹配代价和色彩分割的快速立体匹配

针对现有立体匹配算法复杂、耗时较长的特点,提出了一种基于加权匹配代价和色彩分割的立体匹配算法。算法引入一种基于梯度差算子与绝对差算子加权的匹配代价计算初始视差。根据基于色彩分割的视差假设,采用Mean-Shift算子对图像进行分割,用分割后的图像作为模板优化初始视差。实验结果表明,该算法提高匹配精度和速度,具有良好的实用价值。     

彩色立体图像匹配算法研究

立体图像匹配对于自由立体重建、三维测量以及立体显示中图像压缩来说是非常重要的。针对区域灰度互相关图像匹配的计算量大、速度慢的情况,运用了一组快速灰度互相关计算公式,提出了用视差限制搜索空间。同时,针对彩色图像的特点,将彩色图像的色彩信息考虑进图像的匹配过程中,将彩色图像的R、G、B三单色图像分别进行灰度相关匹配,定义并采用了颜色分量权重系数来抑制误匹配点。实验表明,该方法有效地减少了计算量,加快了计算速度,提高了图像匹配精度,具有较好的实时性。该方法将应用于三维立体显示中基于视差图的视差进行图像压缩。     

Discontinuity preserving disparity estimation with occlusion handling

In this paper, we propose a stereo matching algorithm based on distance transform to generate high-quality disparity maps with occlusion handling. In general, pixel intensities around object edges are smeared due to mixed values located between the object and its background. This leads to problems when identifying discontinuous disparities. In order to handle these problems, we present an edge control function according to distance transform values. Meanwhile, occluded regions occur, i.e., some portions are visible only in one image. An energy function is designed to detect such regions considering warping, cross check, and luminance difference constraints. Consequently, we replace the disparity in the occluded region with the one chosen from its neighboring disparities in the non-occluded region based on color and spatial correlations. In particular, the occlusion hole is filled according to region types. Experimental results show that the proposed method outperforms conventional stereo matching algorithms with occlusion handling.     

一种改进的基于BP的立体匹配算法

作为立体视觉关键技术之一的立体匹配,一直都是视觉领域研究的热点和难点。本文提出了一种基于分割区域的BP立体匹配算法。首先对于输入图像对进行mean-shift分割,对于初始视差图,利用交叉检测,将分割区域分为可靠和非可靠区域。基于此区域信息,利用BP算法对初始视差进行优化。实验结果表明,采用本文改进的BP算法,可以获得精确度更高的视差图。     

一种基于彩色图像分割的立体匹配算法

提出了一种新的立体匹配算法.首先采用均值漂移算法将参考图像根据彩色信息快速聚类成不同区域;然后根据变窗口算法计算的匹配点,把分割区域分为可靠区域和不可靠区域,计算可靠区域的模板参数;最后在全局评价函数中加入遮挡约束,通过贪婪算法把可靠区域的模板分配给不可靠区域使得全局评价函数取到最小值.实验结果表明,该算法可较好地处理大的低纹理区域和遮挡像素,匹配精度高,克服了基于局部算法中存在的边界模糊.     

基于Kinect的实时深度提取与多视绘制算法

提出了一种基于Kinect的实时深度提取算法和单纹理+深度的多视绘制方法。在采集端,使用Kinect提取场景纹理和深度,并针对Kinect输出深度图的空洞提出一种快速修复算法。在显示端,针对单纹理+深度的基于深度图像的绘制(DIBR,depth image based rendering)绘制产生的大空洞,采用一种基于背景估计和前景分割的绘制方法。实验结果表明,本文方法可实时提取质量良好的深度图,并有效修复了DIBR绘制过程中产生的大空洞,得到质量较好的多路虚拟视点图像。以所提出的深度获取和绘制算法为核心,实现了一种基于深度的立体视频系统,最终的虚拟视点交织立体显示的立体效果良好,进一步验证了本文算法的有效性。本文系统可用于实景的多视点立体视频录制与播放。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.