快速视差范围估计算法及其应用

视差范围估计在立体匹配中非常重要,准确的视差范围能提高立体匹配的精度和速度.为此提出一种基于匹配代价搜索和图像细分的快速视差范围估计算法.该算法将输入图像均匀分成多个图像块,采用匹配代价搜索计算每一图像块的视差,找到视差最大(最小)的图像块,并利用迭代细分规则将该图像块继续分成更小的子块,直至得到稳定的最大(最小)视差;利用匹配代价图对图像块进行可靠性检测,以解决弱纹理块容易误匹配的问题.实验结果表明,文中算法在保持97.3%的平均命中率的同时将立体匹配的平均搜索空间降低了27.7%,比采用传统算法可以得到更准确的视差范围;将该算法应用于立体匹配算法中降低了其平均误匹配率,并将计算时间缩短了20%~45%.     

基于视差梯度的快速区域匹配方法

通过引入视差梯度理论,本文提出了一种基于视差梯度的快速区域匹配方法,该方法首先根据匹配点的不同特性,确定匹配搜索范围,然后再进行匹配得出视差图。通过对比实验,表明采用这种可变匹配搜索范围的方法,比采用固定匹配搜索范围的方法,有更快的执行速度和更少的计算量。     

基于视差矢量特点的视差估计快速算法

视差估计是立体视频压缩中的一项关键技术。针对极线校正算法存在的不足,提出了一种基于视差矢量特点的快速视差估计算法。算法分析了平行摄像机与会聚摄像机系统中视差矢量特点,并根据它们的特点通过三步搜索来确定最佳匹配块。分别在分辨率640×480与1280×720两种素材中进行了实验,实验结果表明,与JMVC中的TZ搜索算法相比,所提算法能够在保证图像质量与压缩效率基本不变的前提下,有效缩短编码时间,提高编码效率。由于所提算法不再进行极线校正,所以不会产生极线校正算法存在的问题。     

双目视差的快速匹配方法

立体匹配是三维重建关键步骤之一。提出了基于视差投影的匹配方法和基于约束条件的引导匹配的方法,将两种方法结合可提高匹配的效率,降低误匹配率。实验证明：该算法实现简单,缩小了匹配范围,提高了匹配的效率,降低了误匹配率,效果很好,有很好的实用价值。     

一种基于启发式搜索的视差匹配的快速算法

提出了一种基于启发式搜索的视差匹配的快速算法，根据立体摄像系统的特性和图像本身的性质，迅速准确地进行视差估计。与完全搜索算法相比，在基本保持重建图像质量的前提下，能降低计算复杂度。     

基于视差范围自动提取的视差图优化算法研究

基于图割理论的立体匹配是从同一场景不同角度的两幅或多幅图像中得到视差图,进而求得场景的立体深度,为三维重建、视觉测量等提供有用的信息。然而,视图视差范围的选择往往被忽视,提出一种基于图像分割及GPU SIFT算法的视差范围快速自动提取算法,得到的视差范围值应用于立体匹配算法中视差范围的取值;并针对图割方法进行立体匹配时存在的正面平行表面缺陷的问题,提出一种最小二乘法的迭代改进方法,对立体匹配得到的视差图进行优化处理。对Middlebury中的标准数据进行测试的结果表明,该算法能准确地提取视图的视差范围,并有效提高各类平面与曲面的视差精度。     

基于加权匹配代价的初始视差估计算法

随着计算机图形学的发展,立体匹配技术已经成为三维场景恢复中一项重要的手段,视差估计是立体匹配中的关键基础技术。为了能够更好进行三维场景恢复,改善视差的工作便迫在眉睫。主要研究了在基于模板的可信传播立体匹配算法中改善视差初始值的算法：通过引入梯度差算子与绝对差和算子加权的匹配代价,运用交叉检验估计及WTA优化初始视差矩阵,进而提高初始视差值的准确性,从而改善最终的视差结果。经实验证明,本方法能够很有效地去除噪点,进而获得较高质量的视差结果。     

基于路标隐式分解的前向搜索规划方法

提出一种利用路标信息隐式分解前向搜索过程的规划算法。以路标计数启发式估值的降低作为分界点,将规划任务分解成多个规模更小的子任务,当访问到估值更低的状态时,表明搜索过程完成一个子任务的求解,反复执行这一过程直到路标计数启发式估值降低为零。与其它将路标具体指定为中间目标的分解方法相比,基于路标计数启发式的隐式分解方法能指导前向搜索过程快速向目标方向推进,实现搜索空间的大规模压缩,在求解效率和规划解质量上都有较大提高。     

基于半规则网格的视差估计算法

立体视频中视图间的视差估计是压缩的关键技术。针对视差估计中传统网格法的缺点,提出一种使用半规则的网格来估计视差的方法。该方法综合了节点均匀分布的规则网格和节点贴合物体边界的非规则网格这两种方法,选择具有最高的梯度和的行和列的交点作为网格的节点,并且利用每个节点的梯度值进一步剔除在缺少纹理区域中的节点,最后在多分辨率下混合块迭代和网格迭代对剩余的节点进行匹配。该算法剔除了匹配时易于出错的节点,同时也减少了需要估计的节点数。实验结果表明该方法改善了标准网格法的匹配质量,同时也降低了匹配的计算复杂度。     

置信度辅助特征增强的视差估计网络

视差估计中由于边缘模糊、遮挡、低光照以及少纹理等干扰因素会产出局部困难估计区域,导致有效匹配减少,估计结果的精度降低。为此,提出了一种置信度辅助特征增强的视差估计网络,在基础的视差估计网络中引入置信度估计子网络,为网络估计过程中间的视差结果计算置信度,利用置信度图可知误差较低的点,增强代价空间中对应位置特征值的幅度,达到辅助特征增强的目的。增强后代价空间可恢复得到更精准的视差。在Scene Flow数据集上训练网络,并和近年来的一些方法进行比较。实验结果表明,该方法优于近年来的经典方法。相比于基础网络,平均误差降低了0.032 9像素;误差大于1像素的比率降低了0.4个百分点。由此可见该方法可以有效提升视差估计网络的性能。     

基于可变特征基元的视差估计新方法

视差估计是立体视频和多视点视频信号处理中的一个关键问题。选择可变长线段作为特征基元,提出一种基于特征匹配的视差估计新方法。算法结合唯一性和顺序性约束条件来增强视察估计的可靠性与准确性。在详细介绍了算法的基本原理后进行了实验仿真,实验结果表明新算法能获得较为准确、可靠、亚像素精度的密集视差场,其性能优于固定块匹配（Fixed Size Block Matching,FSBM）、可变块匹配（Variable Size Block Matching,VSBM）等传统的视差估计算法。     

均值偏移的多视点视差估计新方法

针对多视点视频编码视差估计计算量大的特点,提出一种基于均值偏移的多视点视差估计方法。在时空域上,分析了视差矢量和运动矢量的相关性,计算了预测视差矢量,确定了视差匹配的初始搜索位置。将该位置作为均值偏移迭代计算的初值,在参考帧中完成宏块的最佳匹配。通过实验表明：新方法与全搜索算法相比,在率失真性能降低甚微的情况下编码时间降低了94%以上;和快速搜索算法相比,新方法编码时间降低10%以上,率失真性能获得提高。     

多尺度相似性迭代查找的可靠双目视差估计

目的双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT(recurrent all-pairs field transforms)的启发,本文提出采用单、双边多尺度相似性迭代查找的方法实现高精度的双目视差估计。针对方法在不同区域估计精度和置信度不一致的问题,提出了左右图像视差估计一致性检测提取可靠估计区域的方法。方法采用金字塔池化模块、跳层连接和残差结构的特征网络提取具有强表征能力的表示向量,采用向量内积表示像素间的相似性,通过平均池化得到多尺度的相似量,第0次迭代集成初始视差量,根据初始视差单方向向左查找多尺度的相似性得到的大视野相似量和上下文3种信息,而其他次迭代集成更新的视差估计量,根据估计视差双向查找多尺度的相似性得到的大视野相似量和上下文3种信息,集成信息通过第0次更新的卷积循环神经网络和其他次更新共享的卷积循环神经网络迭代输出视差的更新量,多次迭代得到最终的视差估计值。之后,通过对输入左、右图像反序和左右翻转估计右图视差,对比左、右图匹配点视差差值的绝对值和...     

局部双目视差回归的目标距离估计

目的 双目视觉是目标距离估计问题的一个很好的解决方案。现有的双目目标距离估计方法存在估计精度较低或数据准备较繁琐的问题,为此需要一个可以兼顾精度和数据准备便利性的双目目标距离估计算法。方法 提出一个基于R-CNN（region convolutional neural network）结构的网络,该网络可以实现同时进行目标检测与目标距离估计。双目图像输入网络后,通过主干网络提取特征,通过双目候选框提取网络以同时得到左右图像中相同目标的包围框,将成对的目标框内的局部特征输入目标视差估计分支以估计目标的距离。为了同时得到左右图像中相同目标的包围框,使用双目候选框提取网络代替原有的候选框提取网络,并提出了双目包围框分支以同时进行双目包围框的回归;为了提升视差估计的精度,借鉴双目视差图估计网络的结构,提出了一个基于组相关和3维卷积的视差估计分支。结果 在KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）数据集上进行验证实验,与同类算法比较,本文算法平均相对误差值约为3.2%,远小于基于双目视差图估计算法（11.3%）,与基于3维目标检测的算法接近（约为3.9%）。另外,提出的视差估计分支改进对精度有明显的提升效果,平均相对误差值从5.1%下降到3.2%。通过在另外采集并标注的行人监控数据集上进行类似实验,实验结果平均相对误差值约为4.6%,表明本文方法可以有效应用于监控场景。结论 提出的双目目标距离估计网络结合了目标检测与双目视差估计的优势,具有较高的精度。该网络可以有效运用于车载相机及监控场景,并有希望运用于其他安装有双目相机的场景。     

Joint view synthesis and disparity refinement for stereo matching

Typical stereo algorithms treat disparity estimation and view synthesis as two sequential procedures. In this paper, we consider stereo matching and view synthesis as two complementary components, and present a novel iterative refinement model for joint view synthesis and disparity refinement. To achieve the mutual promotion between view synthesis and disparity refinement, we apply two key strategies, disparity maps fusion and disparity-assisted plane sweep-based rendering (DAPSR). On the one hand, the disparity maps fusion strategy is applied to generate disparity map from synthesized view and input views. This strategy is able to detect and counteract disparity errors caused by potential artifacts from synthesized view. On the other hand, the DAPSR is used for view synthesis and updating, and is able to weaken the interpolation errors caused by outliers in the disparity maps. Experiments onMiddlebury benchmarks demonstrate that by introducing the synthesized view, disparity errors due to large occluded region and large baseline are eliminated effectively and the synthesis quality is greatly improved.     

Binocular stereo algorithm based on the disparity-gradient limit and using optimization theory

A new algorithm for stereo matching is presented, based on the idea of imposing a limit on disparity gradients allowed in the matched image. The matching problem will be expressed as one of maximizing a certain function, subject to constraints. Standard methods from optimization theory may then be used to find a solution.     

基于差分的块匹配运动估计算法

通过研究块匹配算法当中菱形算法中的冗余性,提出了一种基于差分的块匹配快速搜索算法（DBS）,利用搜索点的匹配误差之间的大小关系,预测最优点的搜索方向,减少了搜索点数,通过实验表明了该算法在保证了匹配精度的同时获得了更高的搜索速度。     

基于最大似然估计的小基高比立体匹配方法*

针对小高比立体匹配当中的亚像素精度和粘合现象问题,提出了一种基于最大似然估计的小基高比立体匹配方法。该方法首先根据混合式窗口选择策略为参考图像中的每一点确定匹配窗口;然后在视差范围内根据规范化互相关函数计算匹配代价,再利用胜者全取策略计算每一点视差;最后采用基于最大似然估计的亚像素匹配方法获得亚像素级视差。实验结果表明,该方法有效地减少了立体匹配中的粘合现象,同时获得了较高精度的亚像素视差,其平均亚像素精度可达1/20个像元。