一种用于立体匹配的改进的神经网络方法

实现了一种用于静态视觉立体匹配的神经网络方法。文献［１］提出了一种用于静态体视匹配的神经网络方案,其方案用于随机点图对时存在严重的缺陷。针对随机点图对的特点,对神经网络的偏置输入进行了修正,改进的神经网络能够有效地提取随机点图对中的立体深度信息。为了进一步提高收敛速度和平滑边缘特征,又在偏置输入中引入射线特征,改进了神经元的初始化。在工作站上进行的大量实验模拟表明,我们所做的改进提高了网络的迭代速度和视差图的边缘特征平滑性。     

基于相位的尺度自适应立体匹配方法

本文实现了一种高效的基于相位的尺度自适应的立体匹配方法,基于相位的立体匹配算法,是目前最为先进的立体匹配算法,具有视差精度高,稳定性好,可以并行计算等优点,对于常见的相位“卷绕”问题,常采用“由粗及细”的逐步求粗策略,但是,相位信号在尺度,位置空间中的极点的邻域内不稳定,此时,逐步求精策略可能产生不可恢复的错误,存在鲁棒性问题,解决的方案是采有某种尺度自适应的方法,我们针对多尺度滤波器的构造问题提