基于多任务学习的立体匹配算法

引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。     

A Novel Method for Stereo Matching

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｍａｊｏｒｄｉｆｆｉｃｕｌｔｙｉｎｓｔｅｒｅｏｖｉｓｉｏｎｉｓｔｈｅｃｏｒ ｒｅｓｐｏｎｄｅｎｃｅｐｒｏｂｌｅｍｏｒｍａｔｃｈｉｎｇｂｅｔｗｅｅｎｆｅａｔｕｒｅｓｉｎｔｗｏｏｒｍｏｒｅｉｍａｇｅｓ,ｆｒｏｍｗｈｉｃｈｏｎｅｃａｎｅｖａｌｕａｔｅｔｈｅｐｏｓｉｔｉｏｎｓｏｆｏｂｊｅｃｔｓｉｎ 3Ｄｓｐａｃｅ .Ｔｈｉｓｉｓｍａｉｎｌｙｂｅｃａｕｓｅｔｈｅｄｅｆｏｒｍａｔｉｏｎｏｆｏｂｊｅｃｔｓｆｒｏｍｄｉｆｆｅｒｅｎｔｖｉｅｗｉｎｇｐｏｉｎｔｓａｎｄｔｈｅｐａｒｔｉａｌ…     

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.     

基于遗传算法的影像匹配方法研究

影像匹配是立体视觉中的核心问题之一。本文基于传统的影像匹配技术,提出了一种基于遗传算法的影像匹配方法。针对简单的遗传算法易于陷入局部最优的缺点和影像匹配的具体问题,对基本遗传算法作了改进。实验表明,此种方法具有较好的匹配精度和速度,能应用于各种类型的匹配中。     

基于相关峰值图像分析的变窗口立体匹配算法

分析了基于区域的立体匹配方法容易产生匹配失败的原因,指出了图像区域的特点及其相关匹配的峰值图像的形态有密切的关系,采用了以相关窗口大小为输入量,观测相关峰图像形态的方法,通过判定相关峰的形态来自适应地选择相关匹配的窗口;同时又采用了相关窗内像素加权匹配的方法,根据当前点与中心点灰度的关系,以及距离的关系来决定在匹配中所占有的权重,在一定程度上克服了基于窗口方法的视差不一致的缺点.最后经过实验证明本文方法有着比较好的效果.     

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.     

智能三坐标测量机零件位姿识别中的立体匹配

为提高三坐标测量机零件位姿识别的效率和准确率,提出了一种基于图像质心偏移的立体匹配新方法。将CCD摄像机安装在三坐标测量机的Z轴上,利用三坐标测量机的精确平移特性,构成单摄像机立体视觉系统,在两个不同位置获取被测零件的实时图像,对其进行处理得到图像质心,将图像质心的偏移距离作为约束条件完成立体匹配。该方法避开了极线约束、灰度约束等复杂约束条件,实验表明该方法可以达到较高的匹配精度,实验件的匹配时间为1.818s。     

基于互信息的亚像素级立体视觉点匹配方法研究

在立体视觉测量中,为获得更高精度,往往需要将视差计算精确到亚像素级。将互信息理论引入双目图像配准并结合多分辨率技术实现亚像素级点匹配。采用Bouguet立体校正算法对左右图像进行极线校正,利用Harris角点探测器检测目标并将获取角点作为待匹配点,采用最大互相关法进行搜索确定像素级匹配点。然后对以左右匹配点为中心的20×20邻域图像进行插值并分别放大10倍和100倍,采用互信息方法先对低分辨率图像进行配准,再在高分辨率图像上进一步细化求精,结合像素级匹配的整数视差可得最终亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素。     

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。     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。     

基于改进代价计算和视差候选策略的立体匹配

立体匹配算法在图像弱纹理区和重复纹理区存在匹配困难、误差大的问题,为此提出一种基于改进代价计算和视差候选策略的立体匹配算法.首先结合改进的Census变换和自适应加权融合的双向梯度信息来计算初始匹配代价,提高代价计算的可靠性.其中:为传统Census变换增加内圈编码,提高邻域信息利用率,同时降低噪声的影响;利用自适应权...     

基于新扫描策略的快速立体匹配算法

为提高立体匹配的运算速度,提出一种新的图像匹配扫描策略改进传统算法。在匹配扫描过程中,将图像由左至右的三列作为一组,各组内除首行外扫描次序为中间列、左列、右列像素点,按照文中扫描策略及像素点,在图像中所处位置,分别给出了各种情况下,以较小的存储空间,利用水平和竖直方向相邻像素点的模板已计算值,减少算法执行时间的方法。通...     

一种基于邻域支持准则的双层立体匹配算法

本文给出一种基于邻域支持准则的双层立体匹配算法，该算法以LOG边缘检测器输出的边缘点为匹配基元，利用图象相关特性和匹配相容性约束构成两层匹配系统．第一层以反映图象灰度统计特性的局部相关约束为准则．第二层以第一层输出为引导，从图象结构和视差相容方面寻求全局意义上的最佳匹配，从而使系统对复杂场景有较好的自适应性．实验结果表明，该算法结构简单，稳定可靠，具有处理复杂场景的能力．     

基于二进小波变换的多分辨率立体匹配算法

本文将近年来兴起的小波理论应用于双目立体觉技术，提出了一种新的立体匹配算法。该算法以二进小波变换的多分辨率零交叉为匹配基元，综合利用了小波变换零交叉的特征属性和强有力的匹配约束，从零交叉局部属性相似和全局匹配相容两个方面解决模糊匹配问题。整个系统采用一种新的的由精到细引导的多分辨率匹配结构。实验结果表明，该算法结构简单，稳定可靠，具有较好的自适应性和处理复杂景物的能力。     

基于颜色变化信息的局部立体匹配算法

本文主要针对传统的局部匹配算法中的遮挡区域和重复区域、不连续区域的精度不高问题,提出了一种基于遮挡信息和颜色变化约束的局部匹配算法。首先,提出一种基于颜色变化约束的区域生长算法来提高权重因子的准确性,有效提高不连续区域、重复区域和低纹理区域的匹配精度;接着针对遮挡区域难匹配问题,提出通过降低遮挡像素点的权重影响来提高支持聚合的思想;最后结合生成的区域和遮挡点对权重因子进行分类,最终生成视差图。实验结果表明,该算法能有效提高重复区域、边缘区域和遮挡区域的匹配精度,与当前主流算法具有可比性。     

基于垂直性约束的动态规划立体匹配算法

针对传统的DP算法存在条纹瑕疵,提出了一种改进的垂直性约束动态规划立体匹配算法,通过利用扫描线间的相关信息来约束动态规划过程,使得处理每一条扫描线时都能充分利用以前扫描线的匹配信息.实验结果表明,该算法可以明显地消除传统DP算法的视差图的条纹瑕疵,匹配精度高,而且执行时间短.     

一种基于区域颜色信息的宽基线立体匹配算法

立体匹配技术是立体视觉研究领域的难点,利用图像的特征信息解决对应问题是研究的热点.本文在提取基于边缘仿射不变区域检测器的基础上,设计了基于区域颜色信息和几何信息的彩色图像立体匹配算法.该算法首先对所提取的不变区域进行颜色空间量化,在此基础上根据两种色彩之间的距离进行色彩聚类,然后计算直方图的二次距离,并进行相似性度量,最后根据区域间几何性质进行误匹配剔除.实验证明,该算法能降低解决对应问题的复杂性,提高正确匹配率.该方法对于目标识别、三维重建、非接触测量等研究均具有重要的意义.     

基于改进双向动态规划的立体图像匹配算法

提出一种基于改进双向动态规划的立体图像匹配算法,选用修正后的自适应加权代价函数(Adaptive Support Weight Cost Function,ASCF),然后构建新的全局能量函数,并通过改进双向动态规划来寻径,最后采用简单的滤波方法和遵循3个可靠性准则去除孤立的错误视差点,以获得稠密视差图。实验结果表明,该算法在降低误匹配率和减少"条纹"瑕疵方面有显著的改善效果。     

基于改进Census变换的抗噪立体匹配算法

针对传统Census变换在匹配代价计算中易受噪声影响、匹配精度较低的问题,提出一种引入噪声容限的四状态Census变换算法。在匹配代价计算中,首先将改进的Census匹配代价与灰度绝对差值和梯度代价进行融合,并加入相应的截断阈值,以提高初始匹配代价空间的可靠性。然后通过引导图滤波进行代价聚合,并采用赢家通吃策略计算初始视差值。最后通过左右一致性检验、视差填充和加权中值滤波来优化初始视差值,得到最终视差图。实验结果表明,所提算法的噪声鲁棒性优于传统Census变换算法,且立体匹配算法的整体误匹配率降低至5.59%。     

改进自适应加权的局部立体匹配算法

针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法.在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图.实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6％,在深度不连续处的误匹配率降低了5％,边缘细节毛刺明显减少.