共查询到16条相似文献,搜索用时 62 毫秒
1.
提出一种基于区域分割的动态规划立体匹配算法.首先参考图像经自适应多阈值切割之后,得到一个由区域组成的集合,并沿着各个闭合区域的边界进行动态规划跟踪,然后对于非匹配区域和区域内部分别作视差融合和视差插值处理,获得最终的稠密视差图.实验结果表明,该算法能够取得较为理想的效果,视差图横向“条纹”瑕疵和边界区域上的误匹配点明显减少,层次更加分明,整个视差图平滑性较好,匹配效率有了显著提高. 相似文献
2.
3.
目的针对难以快速获得高精度的稠密视差图问题,提出一种基于边缘特征和可信度的立体匹配算法。方法为了增加像素点之间的区分性,采用鲁棒性较好的AD-Census函数作为匹配代价测度函数。针对匹配窗口跨越视差不连续区域时造成误匹配问题,算法首先对参考图像进行边缘特征提取,基于边缘特征约束,获取形状和大小均具有自适应特性的匹配窗口。视差计算时,使用WTA算法计算每个像素点的视差值,同时计算该像素点视差的可信度。最后通过边缘检测图和信度图进行联合优化,修复可信度较低的像素点的视差。结果该算法能够快速有效地处理视差遮挡区域和视差不连续区域的误匹配问题。结论基于边缘特征和可信度的立体匹配算法是一种高效可行的立体匹配算法。 相似文献
4.
5.
采用邻域差值特征模板的立体匹配方法 总被引:5,自引:1,他引:4
提出了一种基于邻域差值特征模板的立体匹配方法。该方法通过计算一幅图像中间隔一定距离的两点的像素邻域差值作为特征模板,再计算另一幅图像中在同一扫描线上间隔同样距离的像素邻域的差值,将它与特征模板的偏差作为匹配标准,偏差最小的点就认为是匹配点。在同等条件下,与区域相关法相比,该方法能够将运算的速度提高3倍,且同样能够得到精确浓密的视差图。实验证明,该算法结构简单,易于实现,能够处理复杂的场景,具有良好的实验效果和实用价值。 相似文献
6.
《中国计量学院学报》2016,(4)
针对传统算法大多忽略人眼特性,获得的视差图与人眼真实感受之间存在一定差异的问题,提出了一种符合人眼视觉特性的自适应权重匹配算法.该算法首先引入视觉显著性特征,然后对像素权值分配进行改进并提出新的匹配代价度量准则,最后采取左右视差图融合的方法获得最终视差图.相关图像实验表明,改进算法很好地解决了遮挡问题,可精确描述边缘和细节视差;相对于原算法有较大程度的性能提升. 相似文献
7.
采用色彩相似性约束的立体匹配 总被引:1,自引:0,他引:1
在立体匹配算法中引入色彩相似性约束条件.首先加入权值模板来对用于灰度空间匹配的SSD算法进行改进,在抑制噪声的同时,可以最大程度的保持景物的细节信息,从而有效的解决SSD算法对于噪声比较敏感的问题.然后引入色彩相似性约束将灰度空间的匹配和彩色空间的匹配有机的结合起来,大大提高了匹配的精度.实验结果表明,该算法能够合理利用彩色立体像对中的色彩信息,从而生成准确度较高的视差图,是一种有效的立体匹配方法. 相似文献
8.
在语音识别中,利用动态规划技术实现的非线性时间规正已得到了令人满意的结果。但是,现在应用的DP Matching(Development PlanMatching动态规划匹配)法一般都不能同时具备以下三条特征:模式可交换性、时间可逆性、与线性 匹配方法的相容性。因此算法本身的通用性、灵活性欠佳。本文基于这种情况,提出了一种新的DP—Matching法,这种方法完全具备以上三种特征。应用这种算法在计算局部距离时对加权系数有平滑作用,在实际应用中灵活性大,特别对某一发音模式需要进行分段匹配、时间可逆性匹配时,更显示出其有效性。本文首先简单阐述DP—Matching算法的基本理论,然后分析和证明了现有的DP—Matching公式的缺陷,提出并详细证明了一种新的通用型DP—Matching算法,最后得出几点结论。 相似文献
9.
10.
11.
基于区域邻接图的立体视觉边缘匹配算法 总被引:4,自引:2,他引:2
针对自然场景轮廓边缘的立体匹配问题,提出了基于区域邻接图的快速匹配算法.首先利用分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘.基于由全局到局部、自上而下的分层匹配思想,匹配过程分为两步:第一步将轮廓边缘按其所属区域进行分组作为匹配基元进行匹配,匹配过程中根据边缘所属区域的位置,尺寸和灰度特征建立区域约束,并在边缘特征角点的引导下,按照区域邻接图采用类似区域生长的匹配策略实现边缘匹配,区域约束大大减少了边缘特征匹配的搜索空间、优化了匹配顺序.第二步则根据边缘匹配结果,以已匹配的边缘特征角点为基准点,在其引导下实现其他边缘点的快速立体匹配.实验结果表明,该算法匹配正确率能达到93%以上,是一种快速有效的立体匹配算法. 相似文献
12.
13.
14.
15.
提出了一种模仿人类视觉机制的区域-细节的图像分割算法.首先提取图像边缘,然后将边缘分段切割,得到端点集合,然后从端点集合生成Delaunay三角形网络,以Delatmay三角形为顶点,相邻三角形的属性差异作为边的权重,构造图;9以基于图的分割算法生成最小生成树,划分区域.最后用Snake模型精确确定区域边界,生成准确的区域边缘.实验证明,这种区域分割和边缘检测相结合的方法能准确地分割非纹理图像,较好地克服了块现象和非连续边界,相比单一区域分割或者边缘检测方法有更好的分割结果,并且计算速度比较快. 相似文献