自适应窗口快速立体匹配

灰度立体匹配的关键问题是选择一个合适的匹配窗口,该文对Kanade等提出的通过测算局部灰度和视差变化来选取适当窗口的方法进行了改进,提出一种仅利用灰度信息即可确定窗口的简单方法．该方法在能够求得最佳窗口的前提下,可以方便地利用整数图像来提高效率,计算量与窗口大小无关．在国际标准图像上测试的实验结果表明该方法在局部匹配方法中是最优的,虽与有些全局方法相比有一定差距,但其计算复杂度远远低于它们．     

一种自适应多窗口的立体匹配算法

提出了一种新型的自适应匹配窗口的方法来解决低纹理图像在立体匹配中容易出现误配的现象。该算法采用8个相同的窗口根据图像的平滑情况往8个方向选择适当的支撑区域,且其非常适合并行处理。然后根据上述步骤得到的结果提出一种自适应的区域生长法对误配和遮档区域进行后处理。实验结果表明,该方法无论在低纹理区域还是高纹理区域都有较好的实验结果,并且运行时间与传统的固定窗口局部方法相差不大,适合实时处理。     

基于整数图像技术的自适应窗口立体匹配算法

针对固定窗口区域匹配算法在深度不连续处容易产生相对较大匹配误差的问题,提出了一种基于整数图像技术的自适应窗口立体匹配新算法.文中一种新的相似性测度函数和四方向线型掩模的采用不仅减少了噪声影响而且提高了匹配准确度.同时利用由窗口内平均误差、误差方差以及较大窗口偏移组成的窗口代价函数来确定窗口尺寸极大地提高了匹配精度;整数图像技术的引入将匹配时运算量降低为一常数.实验表明基于整数图像技术的自适应窗口立体匹配算法在局部匹配方法中是比较优秀的,便于实时实现.     

基于图像分割的自适应窗口双目立体匹配算法研究

针对传统双目立体匹配算法采用固定窗口导致弱纹理区域匹配精度较低的问题,提出了一种基于图像分割的自适应窗口立体匹配算法.首先,采用Mean-shift算法对图像进行分割,之后对分割图像进行局部子区灰度标准差统计,在此基础上提出了一种根据纹理丰富程度进行窗口大小自适应设定的算子.基于自适应窗口大小设定,组合使用Census变换和梯度值计算匹配代价,并分别通过自适应权重代价聚合及"胜者为王"策略进行初始视差计算,最后利用左右视差一致性原则和加权中值滤波得到稠密视差图.采用提出的自适应窗口匹配算法与固定窗口匹配算法对Middlebury数据集上的标准图片进行匹配实验,实验结果表明,所提算法的平均匹配错误率为2.04％,相比对比算法,所提方法的匹配错误率分别降低了4.5％和7.9％.     

基于自适应权重的立体匹配优化算法

为解决现有立体匹配算法对低纹理以及视差不连续区域匹配效果较差的问题,提出一种改进的立体匹配优化算法。在传统自适应权重算法匹配代价的基础上,融合高斯差分图像差分信息,即左右图像高斯差分图的差分,重新定义其初始匹配代价,增加算法在视差不连续区域的鲁棒性,并加入边缘约束和视差边缘约束迭代聚类以及基于高斯差分图的自适应窗口算法,保证改进算法在低纹理区域的匹配性能,消除坏点与视差空洞。将该算法与传统自适应权重匹配算法分别在Middlebury数据集上进行匹配实验,结果表明,该算法平均性能提升了15.05%,明显优于传统自适应权重匹配算法。     

融合梯度信息自适应窗口的立体匹配

针对立体匹配算法中对固定窗口匹配代价计算存在匹配精度低的问题,该文提出了一种基于融合梯度信息自适应窗口的立体匹配算法。以AD-Census和SGM立体匹配算法为基础,首先研究了窗口大小对算法性能的影响,并在代价计算中加入融合梯度信息的自适应窗口算法,使用标准图像集对改进前后的算法性能进行对比。实验结果表明,匹配窗口增大可以提高算法的匹配精度但会降低算法效率,利用梯度信息调节窗口大小可以提高算法的适用性,保持效率的同时降低三类区域中的误匹配率。在4个测试集中误匹配率平均下降了4.05%,平均运行时间只增加了0.82 s,改进后的立体匹配算法具有更好的综合性能。     

基于改进的种子点扩展自适应立体匹配算法

由于在图像中不同区域的纹理密集程度不同,因此使用固定窗口大小的算法无法兼顾纹理不同的区域,并且在视差不连续区域的匹配精度较低。针对该问题,提出一种自适应窗口和自适应权重相结合的算法,并且采用种子点扩展的方法。首先,通过交叉自适应窗口法,区分出连续点和孤立点,对于不同的分类点采用不同的处理方法。其次,针对每一个像素点,利用改进的自适应权重方法进行匹配。最后,提出一种新的种子点扩展的视差优化方法,对初始视差图进行精细化。实验结果表明,视差图中纹理密集区域和视差不连续区域的误匹配现象得到改善。该算法可以有效地处理图像中纹理分布不均的问题,提高了在视差不连续区域内匹配精度。     

图像梯度引导的窗口形状自适应双边滤波

传统的滤波算法在重噪声区域易出现噪声抑制能力下降和边缘光晕效应,且在滤波过程中矩形滤波模板的两边总是分别平行于离散图像的坐标轴,必然导致模板跨边缘平滑滤波。为解决这些问题,提出一种窗口形状自适应的双边滤波算法。采用边缘梯度图作为引导图像,通过每个像素的梯度方向确定该像素处的边缘方向。然后使模板窗口的两边分别平行或垂直于当前像素处的局部边缘方向,实现模板"沿边缘"平滑滤波,在去除噪声的同时更好地保持边缘。实验结果证明,该改进算法滤波性能和保边能力较好,PSNR平均值提升13%左右,SSIM平均值提升4.6%左右,且对受到高强度的噪声污染的图像具有较好的噪声抑制和边缘保持能力。     

基于梯度值的自适应窗口立体图像匹配算法

针对基于区域的立体图像匹配算法支持窗口难以选择,容易出现窗口过大或过小的问题,提出一种新的自适应窗口立体图像匹配算法。该算法利用Sobel梯度算子计算像素梯度值,并根据其梯度值动态地获取具有自适应的支持窗口,然后分别选择相似性测度函数SAD或NCC搜索最佳匹配点,获得视差图。此外,算法在窗口选择过程中进行优化,减少了计算量。实验结果表明,改进后的算法提高了匹配正确率且计算时间缩短了近5%。     

基于区域增长的自适应稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵,在区域增长过程中的匹配窗内计算其纹理数量,然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时,该匹配窗就能够表征该匹配窗中心点的特征,因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。     

基于极线校正的最小二乘立体匹配

本文减少了最小二乘转换参数,通过三个几何转换参数和两个辐射转换参数建立对应关系,采用经极线校正的立体像对,使对应点的搜索在相同扫描行上进行,减小了搜索空间,提高了匹配速度,且把匹配方法嵌入到多尺度空间中以提高匹配速度,通过视差后处理进一步提高匹配精度。采用自适应窗口技术解决由于存在矩阵不可逆情况而导致大量不可匹配点和在地形平坦、灰度变化不明显的区域不匹配或误匹配率高的缺点。试验结果表明了,本算法精度高,匹配率高的优点,有相当的使用价值。     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

一种自适应的图像边缘检测方法

边缘检测是一项基本而重要的图像处理技术。本文设计了一种基于局部小窗口的自适应门限方法,可以快速而精确的确定局部门限,从而将小窗口内的边缘像素点和非边缘像素点区分开来。     

Local algorithms on dense two-frame stereo matching

Stereo matching is a fundamental and crucial problem in computer vision. In the last decades, many researchers have been working on it and made great progress. Generally stereo algorithms can be classified into local methods and global methods. In this paper, the challenges of stereo matching are first introduced, and then we focus on local approaches which have simpler structures and higher efficiency than global ones. Local algorithms generally perform four steps: cost computation, cost aggregation, disparity computation and disparity refinement. Every step is deeply investigated, and most work focuses on cost aggregation. We studied most of the classical local methods and divide them into several classes. The classification well illustrates the development history of local stereo correspondence and shows the essence of local matching along with its important and difficult points. At the end we give the future development trend of local methods.     

一种用于图像边缘检测的自适应指数滤波器

本文提出一种用于图像边缘检测的自适应滤波器,利用它既可滤除图像噪声,又可获取精确度高的图像边缘。文中比较详细地分析了这种滤波器,并给出了递归实现算法。理论分析和实验结果表明,自适应指数滤波器的性能优于高斯滤波器。     

一种基于变尺度滑动窗口的数据流频繁集挖掘算法

基干传统滑动窗口机制的数据流频繁集挖掘算法较多地考虑快速且精确的效果,而较少考虑数据流的时变特性,对传统的滑动窗口机制进行改进.同时考虑数据流的海量特性和时变特性,提出一种基于变尺度滑动窗口机制的数据流频繁集挖掘算法V-Stream.该算法采用事务链表组的概要数据结构.能够根据数据流的数据分布变化自适应调整窗口大小.Eclipse上的仿真实验结果表明,V-Stream相比Manku算法提高了挖掘数据流频繁集的时间与空间效率.     

一种基于置信度传播的立体匹配算法

在双目立体视觉中立体匹配问题存在歧义性,是视觉研究中难点问题之一。通过采用分水岭分割图像的方式有效的对图像进行了过分割处理,实现了基于图像块置信传播的匹配算法。最后用Middlebury College图像库中的图像对算法进行了验证,实验结果表明这种方法能够获得很好的匹配效果,克服了传统立体匹配中精度低和速度慢的缺点。     

基于变分原理的亚像素级立体匹配方法

针对小基高比立体匹配当中的亚像素级视差精度和匹配效率较低问题,提出一种基于变分原理的亚像素级立体匹配方法.该方法以规范互相关函数作为能量函数的数据项,并将图像驱动的平滑项和视差驱动的平滑项相结合作为能量函数的平滑项,然后通过变分原理获得能量函数的欧拉方程,最后通过连续过松弛法进行迭代求解获得亚像素级视差.实验结果表明,提出的亚像素级匹配方法不但可以获得较高精度的亚像素级视差,得到更为精确的高程信息,而且还具有较快的匹配速度.     

SIFT特征点引导的区域立体匹配算法

根据SIFT特征对旋转、尺度缩放、亮度变化保持不变性的特点,提出基于SIFT特征和边缘特征点的区域匹配方法。该方法确定符合SIFT特征的边缘为可靠特征点,并确定其视差;根据视差梯度原理确定其他点的视差,最后生成稠密的视差图。实验结果表明,SIFT特征的引入,提高了特征点视差的准确性,一些弱纹理区的匹配也有所改善。