一种基于图割理论的快速立体匹配算法

针对传统的立体匹配算法中存在的低纹理区域和遮挡区域匹配精度低、实时性不好等问题,提出了一种基于图割理论的立体匹配算法.把图像分割成色彩单一的不同区域;计算初始视差图,利用可靠点求取各分割区域的平面模板参数,对模板参数相同的相邻区域进行融合;构造全局能量函数,采用图割算法求取全局能量最小的视差最优分配.实验结果表明,该算法对低纹理区域和遮挡区域均有较好的匹配结果,能够满足高精度、高实时性的要求.     

一种基于图割的改进立体匹配算法

针对基于图割法的立体匹配算法耗时太长的问题,提出了一种基于简化网格图的立体匹配算法．算法通过区域匹配算法得到每个像素的初始视差值,然后只保留完整网格图的部分可能的视差值,去除其余大部分的节点和边缘,建立简化的网格图．该方法大大缩减了网格图的容量,缩短匹配所用时间,并且能够选用更大的视差范围．实验证明,该算法能够得到比较理想的视差图,而且大大缩短立体匹配所用时间．     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。     

基于自适应权重的全局图割立体匹配算法

针对立体匹配中存在纹理、遮挡区域和深度不连续的问题,提出一种基于自适应权重的全局图割立体匹配算法,一方面,采用单像素自适应权重加窗匹配能够减少深度不连续和稀疏纹理处匹配的误差;另一方面,对于图割中的平滑项表示和遮挡处理,使用一定平滑约束和遮挡约束构建能量函数而取得最优解。实验结果表明,该算法能保证匹配的可靠性。     

一种基于特征约束的立体匹配算法

立体匹配一直是计算机视觉领域的一个中心研究问题,为了得到适用于基于图象绘制技术的视图合成高密度视差图,提出了基于边缘特征约束的立体西欧算法,该方法首先利用基于特征技术来得到边缘特征点的准确视差图,然后在边缘特征点视差图的约束下,对非边缘特征点采用区域相关算法进行匹配,这样既缩小了匹配搜索空间,又保证了匹配的可靠性,边缘特征点和边缘特征点的匹配采用双向匹配技术又进一步保证了匹配的可靠性,实验结果表明,该算法效果良好,有实用价值。     

基于免疫算法的立体匹配

立体匹配是立体视觉中的关键问题,提出了基于免疫算法的多分辨率立体匹配方法,为了提高匹配的准确性,同时利用和图象的灰度和梯信息进行匹配,并给出了匹配的准则函数;将免疫算法用于该问题的求解,以避免局部最优;实验结果证明了该方法的有效性。     

基于模糊判别的立体匹配算法

立体视觉一直是计算机视觉领域所研究的一个中心问题,而立体匹配则是立体视觉技术中最关键也是最困难的部分,就得到适用于基于图象绘制技术中视图合成的准确、高密度视差图（Disparity Map）而言,现有的一些方法存在一定的局限性。考虑到立体匹配过程中存在的不确定性和模糊性,本文将已获得广泛应用的模糊理论引入立体匹配领域,提出了基于模糊判别的立体匹配算法,并用实际图象与合成图象进行了实验验证,结果表明该算法效果良好,具有实用价值。     

立体匹配的免疫算法

立体匹配是计算机视觉的重要问题之一,文章提出了基于免疫算法的立体匹配方法,将免疫算法用于立体匹配问题中,避免局部最优,以便得到最优视差图;实验结果证明了该方法的匹配的精度高、速度快。     

基于图像分割的快速立体匹配算法

针对Tao的平滑表面假设提出了一种基于图像分割的快速立体匹配算法。算法把参考图分割成多个区域,计算其中可靠区域的平面模板,通过贪婪算法把平面模板分配给不可靠区域使得全局评价函数取到最小值。该算法能克服基于局部算法中存在的边界模糊,以及低纹理区误匹配严重的缺点,解决了传统的基于全局算法中计算量过大的问题。实验表明,该算法能同时满足高精度和高实时性的要求。     

一种基于双重分割的立体匹配算法

立体匹配通过计算同一场景不同视点下图像的匹配像素的视差,恢复场景的深度信息.文中对传统的基于分割的立体匹配算法进行改进,提出了一种基于双重分割的立体匹配算法.首先对参考图像进行颜色欠分割,使每个区域包含足够的信息进行平面拟合;然后对初始匹配视差图进行分割,检测颜色分割中的欠分割区域并进行再分割,进而对再分割后的区域进行平面拟合;最后利用合作算法对不可信区域优化,以提高匹配算法的运行效率.Middlebury标准图像测试集上的实验结果表明,相对于传统分割算法,该算法时间开销更少、匹配精度更高.     

改进的基于图像分割的立体匹配算法

提出一种立体匹配算法．首先采用均值平移算法将参考图像根据彩色信息快速聚类成不同区域;然后通过灰度差平方和匹配计算初始视差图;在构造能量函数时,将分割结果作为视差函数的一个参考项;最后采用图切割算法求取使全局能量最小的视差最优分配．通过标准图像对进行测试,并与其他算法进行了比较．实验结果表明,与原有算法相比,该算法可有效地处理大的低纹理区域,匹配精度高,更有利于估计视差图的边界．     

基于矩形子块法的快速全局立体匹配算法

由于计算量大,采用割图法(GC,GraphCuts)来最小化立体匹配的能量函数,计算速度慢,难以满足许多方面应用的要求。为了提高立体匹配能量函数最小化的速度,文章提出了一种新的算法:矩形子块割图法(RSRGC,RectangularSubregioningGraphCuts),即将大图像分割为小矩形子块,然后再在各小矩形子块上分别利用GC最小化能量函数。实验表明,采用该方法可以大大提高立体匹配的速度,而不影响立体匹配的效果。     

Stereo vision correspondence using a multichannel graph matching technique

A multichannel feature-based stereo vision technique is described in this paper where curve segments are used as the feature primitives in the matching process. Curve segments are extracted by tracking the zero-crossings of the left and right images. The generalized Hough transform of each curve and the curve length are used as a local feature vector in representing the distinctive characteristics of the curve segment. The feature vector of each curve segment in the left image is used as a constraint to find an instance of the same curve segment in the right image. The epipolar constraint on the centroids of the curve segment is used to limit the searching space in the right image.

A relational graph is formed from the left image by treating the centroids of the curve segments as the nodes of the graph. The local features of the curve segments are used to represent the local properties of the nodes, and the relationship between the nodes represents the structural properties of the objects in the scene. A similar graph is also formed from the right image curve segments. A graph isomorphism is then formed between the two graphs by using the epipolar constraint on the centroids, the local properties of the nodes, node assignment and the structural relationship (compatibility) between the nodes.     

改进的基于α扩展移动的立体匹配算法

针对传统的α扩展移动立体匹配算法计算时间过长的问题,提出了一种改进的α扩展移动算法.改进算法在α扩展移动的外部循环过程中建立了一种新的循环机制,构造的参数满足循环停止的条件时提前停止循环,节省大部分低效率的循环时间;在算法的内部迭代过程中优化了α的设定顺序,使得能量函数更快地收敛.实验结果表明,改进的算法可以与原始算法获得几乎一致的精确视差图,并大大缩短了算法的运算时间.     

动态图模式匹配技术综述

随着大数据时代的到来,多源异构数据的快速增长已经成为了一个开放性问题,这些数据之间的内在关联通常可以用图数据的形式来表现.然而在实际应用中,例如网络安全分析和社交网络舆情分析,描述实体对象之间关系的图数据的结构和内容往往不是固定不变的,图数据的结构以及节点和边的属性会随着时间的推移发生更新变化.因此,如何在动态更新的图数据中进行高效的查询、匹配是目前研究的热点问题,也涌现了许多优秀的研究工作.本文从关键技术、代表性算法和性能评价方面对动态图匹配技术的研究进展进行了综述.最后对动态图匹配技术的典型应用、面临的挑战问题和未来发展趋势进行了总结和展望.     

基于双目视觉的深度图立体匹配算法研究改进

双目立体视觉可以直接模仿人眼与人类视觉的立体感知过程,是计算机视觉研究的核心课题之一。文章主要针对图像的立体匹配算法研究,对区域相关算法进行了分析。在传统的NCC基本灰度相关度测度函数的基础上,将动态规划优化理论引入到匹配中,提高了匹配的速度和准确度。实验表明,本文算法能够满足目标跟踪试验要求,具有重要的理论意义和较高的实用价值。     

利用BLI快速相关的机器立体视觉方法

本文提出了两种BLI快速相关算法.一种是利用差累积向量,另一种是利用持续行程编码.对两种快速算法的计算量进行了分析,它们比经典二值图象相关技术快几十倍.对立体视觉连续性与唯一性原理在二值拉普拉斯图象相关方法中的具体应用提出了规划.实验结果证明了本文方法的有效性.     

基于深度优先搜索的一般图匹配算法

对于一般图的匹配问题,Edmonds算法以Berge定理为基础,采用广度优先搜索增广路,图中可能存在“花”。遇到这种情况,要对它进行缩减“花”处理,再进行搜索。当找到增广路时,要将缩减图恢复,算法显得复杂。Gabow等算法使用先给固的顶点和边编号,并使用了不同数组和虚拟顶点,避免了处理花。算法的复杂性为O（n^3）,但增加了空间复杂性。本文提出的基于深度优先搜索算法,在搜索增广路时不会出现“花”的情况,算法相对简单;同时,算法时间效率为O（n＊degree（n））,degree（n）为顶顶点的平均度数。另外,当图的边动态增减时,使用该算法可以很快调整最大匹配,并且该算法空间复杂性在同一数量级也可以推广到广度优先搜索。