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.     

一种新颖的立体匹配方法

将立体匹配转化为求物理模型的平衡状态问题,提出了基于物理模型的立体匹配方法.为了克服局部最优问题及解对初始模型的敏感问题,采用位于真实视差表面两侧的两个物理表面模型,在迭代过程中对能量较大的表面附加驱动力,使其靠近另一表面,直到两个表面收敛到同一个解.为了进一步提高匹配的速度,采用了多分辨率算法.实验结果表明了该方法的有效性.     

Hopfield网络在视差空间上的立体匹配求解

由于边界区域的匹配精度是立体匹配问题的瓶颈,这里采用一种基于特征的匹配算法来重点研究场景中边界区域的匹配.首先针对立体匹配问题,提出一种基于RBF的边界提取算法,使得边界区域成为待匹配的像素点.研究像素点匹配需要满足的约束,构建相应的能量方程,接着采用Hopfield网络对能量函数进行优化来获得问题的求解.由于针对的是整个边界区域,直接将特征点输入网络会导致神经元数目过多、复杂度过高.为了降低算法复杂度,提出从视差空间上来构造网络模型.最后通过大量实验来验证算法的性能,包括标准图片、噪声图片与真实的场景图片.实验证明新算法能大大提高边界区域精度,克服了立体匹配的瓶颈,明显提高了整体区域精度,算法有很强的鲁棒性和实用性,即使在复杂情况下也能取得较好的效果.     

一种改进的区域双目立体匹配方法

双目立体匹配是机器视觉中的热点、难点问题。分析了区域立体匹配方法的优缺点,提出了改进的区域立体匹配方法。首先,采集双目视觉图像对对图像对进行校正、去噪等处理,利用颜色特征进行图像分割,再用一种快速有效的块立体匹配算法对图像进行立体匹配。然后,在匹配过程中使用绝对误差累积(SAD)的小窗口来寻找左右两幅图像之间的匹配点。最后,通过滤波得到最终的视差图。实验表明:该方法能够有效地解决重复区域、低纹理区域、纹理相似区域、遮挡区域等带来的误匹配问题,能得到准确清晰的稠密视差图。     

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.     

基于卷积神经网络的高效精准立体匹配算法

针对基于卷积神经网络的立体匹配算法普遍存在参数量巨大、精度不足等问题,提出一种基于卷积神经网络的高效精准立体匹配算法.首先设计了一个融合多尺寸上下文信息的特征提取网络,提高不适定区域(Ill-posed regions)的匹配精度;其次,改进现有的相似度计算步骤,在保证匹配精度的同时,大量减少了网络的参数量;最后,提出一种轻量级的基于注意力机制的视差精修算法,从通道与空间维度上关注并修改初始视差图错误的像素点.与GC-Net在标准数据集Sceneflow上的对比实验表明,该算法在参数量减少14%的同时,匹配精度提高超过了50%.     

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。     

基于能量最小化的立体匹配方法研究

选择图像的边缘特征点作为匹配基元，以边缘梯度的大小、方向和拉普拉斯值作为特征点处的属性值，根据Marr的立体匹配约束条件，建立一个0-1对应状态空间和全局能量函数。最后用模拟退火算法，随着对状态空间的随机扰动，使能量函数达到全局最小，实现所有特征点的匹配。     

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.     

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。     

立体匹配算法分阶段测试平台

通过对多种立体匹配算法的研究发现,立体匹配算法的流程可以归纳为5个阶段,初始匹配代价求取、候选匹配代价生成、视差计算是其中的3个核心阶段。该文以此作为理论基础,在VC++6.0环境下对各个阶段进行了类封装,进而设计出立体匹配算法分阶段测试平台。该平台用4种图像控制数据流的传递,统一了类之间的接口。性能检测实验表明,此平台结构清晰、功能完善、操作简单、可扩展性强。     

一种基于左右视线的立体图像匹配算法

提出了一种有效提高立体匹配中遮挡和低纹理区域匹配精度的方法,算法充分利用立体视觉中的全局约束条件,对不同区域采用不同的约束条件和强度来获得高可靠性点的视差,并且引入左右视线的概念,用于解决复杂场景情况下的左右视图的匹配问题。同时采用改进的协同算法(cooperative algorithm,CA),在视差梯度的约束下,对高可靠性点的视差进行逐步地扩散,最终得到致密的视差图。实验仿真表明,方法可以有效地提高遮挡和低纹理区域中的匹配精度,从而产生较精确的致密视差图。     

Measures Based on Fuzzy Similarity for Stereo Matching of Color Images

In this article, new local matching measures, based on fuzzy similarity, for stereo matching of color images are proposed and evaluated. By formulating the individual similarity between a pair of pixels as a conjunction of the similarities of the respective color components, the field programmable gate array implementation problem becomes more computationally tractable, since the word-length of the numbers carrying the similarity information can be reduced compared to standard techniques (Sum of absolute differences and Sum of squared differences). It is also shown that combining information about color and local image structure (horizontal gradient component) in the matching measure and using a multi-scale measure is advantageous compared to using standard measures, in terms of percentage of correct matches and MSE for the erroneous matches. However, these improvements come at the prize of more complex implementations. Since the techniques are window-based, they share the typical drawbacks associated with other techniques of this type. This is expected, since the focus is on developing new local matching measure without addressing issues like post-processing of the resulting disparity maps. The techniques have been tested on two stereo color image pairs.     

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。     

一种基于Walsh变换的立体匹配基元

提出了一种以Walsh变换系数作为匹配基元的双目立体匹配方法。通过Walsh正交变换核对图像，变换得到Walsh系数，图像的特征被嵌入到该系数中，费用函数采用了Walsh变换系数作为匹配基元，而不是采用传统的像素灰度值。该文给出了算法的费用函数、匹配过程中相关的数据和最后的视差图。试验结果表明，将Walsh 系数作为一种匹配基元的方法是可行和有效的。     

Hopfield Neural Network Based Stereo Matching Algorithm

In this paper, a neural network based optimization method is described in order to solve the problem of stereo matching for a set of primitives extracted from a stereoscopic pair of images. The neural network used is the 2D Hopfield network. The matching problem amounts to the minimization of an energy function involving specified stereoscopic constraints. This function reaches its minimum when these constraints are satisfied. The network converges to its stable state when the minimum is reached. In the initial step, the primitives to match are extracted from the stereoscopic pair of images. The primitives we use are specific points of interest. The feature extraction technique is the one developed by Moravec, and called the interest operator. Its output comprises mostly corners or feature points with high variance. The Hopfield network is represented as a N _l × N _r matrix of neurons, where N _l is the number of features in the left image and N _r the number of features in the right one. An update of the state of each neuron is done in order to perform the network evolution and then allowing it to settle down into a stable state. In the stable state, each neuron represents a possible match between a left candidate and a right one.     

立体视觉匹配技术

立体视觉匹配技术是计算机视觉领域中最为关键的研究分支。根据匹配基元的不同,立体视觉匹配算法分为区域匹配、特征匹配和相位匹配三大类。其中,相位匹配是近二十年才逐步发展起来的一类匹配算法。以往关于立体匹配算法的综述文章对相位匹配这类新型算法几乎没有系统的阐述,而且很少从算法设计的角度分析和比较现有的立体视觉匹配技术。该文将算法设计过程分成三个步骤,在各个步骤中采用由个性至共性的分析手段,对三类立体视觉匹配算法进行了详细的评述,包括它们的理论依据、基本特性和改进策略的分析和比较,表明各类匹配算法的设计具有自身的发展特性。另一方面,“不适定”视觉问题普遍存在于各类匹配算法中,因此它们对算法设计的优化又存在着许多共性。文章通过由点至面的分析过程,旨在为算法设计者从综合思考的角度去优化算法提供技术借鉴,包括匹配基元自身缺陷的克服和普遍存在的不适定视觉问题的解决。此外,算法的完善和更佳算法模型的推出还依赖于科学的算法评价手段,文中根据不同用途对算法评价方法进行了分类,使算法性能的评估有了科学的指导方法。     

基于特征约束及区域相关的体视匹配方法

立体匹配是计算机视觉领域的一个关键问题,同时也是难点问题。为了得到准确的高密度视差图,通过对基于区域和基于特征的体视方法的讨论,综合两种方法的优点,提出了基于边缘特征约束及区域相关的立体匹配算法。该方法首先利用基于特征技术来得到边缘特征点,对边缘特征点再做灰度等区域相关匹配处理,然后在匹配的边缘特征点约束下,对非边缘特征点采用区域相关算法进行匹配,得到整体高密度视差图。这样既缩小了匹配搜索空间,又保证了匹配的可靠性。实验结果表明,该算法具有良好的效果和实用价值。