融合多尺度信息的各向异性立体匹配

针对传统立体匹配算法准确率低且在弱纹理区域存在误匹配的问题，提出融合多尺度信息的各向异性立体匹配算法(ASMSI)。首先构造各向异性的匹配代价计算函数，将梯度和相角信息引入代价计算过程中用于剔除弱纹理区域的离群点；随后采用融合多尺度信息十字交叉代价聚合计算每个支持域内的匹配代价；进一步经赢家通吃策略生成初始视差图；在此基础上进行左右一致性检测及后处理得到精修后的视差图；最后通过仿真实验对比图像中非遮挡、深度不连续区域的误匹配率和运行时间来评价算法模型。实验结果表明：所提算法能有效解决弱纹理区域的误匹配问题，使匹配准确率提高了5.02%,能够满足立体匹配过程中高效率、高精度的要求。     

基于动态规划的分层立体匹配算法研究

动态规划是双目立体匹配的经典算法,针对控制点动态规划算法易产生横向条纹以及立体匹配普遍的边缘性和弱纹理区域问题,提出一种基于金字塔分层双向动态规划的改进立体匹配算法。该算法将分层模型加入传统动态规划方法,以低像素层级为高像素层级提供控制点集,并在匹配代价计算中采用一种自适应相关性测度函数,加以匹配代价滤波,提高算法精确度及实时性并获取高精度视差图。以Middlebury标准库中的图片以及实拍图片作为实验对象,实验表明所提出的方法具有较好的性能。     

半全局立体匹配算法的改进研究

针对半全局立体匹配中单一 Census 精度不足且边缘区域视差效果较差的问题,提出一种基于颜色差信息 BTCensus 和加入分割约束的半全局匹配算法。首先该算法采用联合三通道 BT 算法和 Census 变换的计算方式实现代价计算,缓解重复纹理歧义并提高不连续区域配精度;同时将图像分割得到的场景信息作为约束对代价聚合函数进行改进,保证割块内部的纹理平滑,提高边界纹理区域的匹配精度;最后引入图像分割信息进行分步中值滤波,平滑视差图。实验表明,该算法在重复纹理区域、视差不连续区域和弱纹理区域都取得了较好的视差效果,可获得高匹配率的视差图。     

基于改进 Census 变换的图像立体匹配算法研究

针对传统的 Census 区域匹配算法过分依赖窗口中心像素信息,导致算法受到噪声干扰时匹配精度降低的问题,提出一种基于改进 Census 变换的匹配算法.采用局部像素反差值为中心像素选择的评判标准,对传统的 Census 变换进行改进,增强了窗口像素信息的利用,提高了算法对像素值突变的适应性,使算法有更好的鲁棒性;代价聚合阶段采用引导图滤波算法并结合多尺度聚合模型,增强平坦区域像素间的区分度;采用 win-take-all 算法选取最优视差值,完成视差计算;采用区域投票策略和中值滤波算法完成视差精化.利用该改进算法对 Middlebury 平台提供的标准图像进行实验,实验结果表明该算法较传统Census 算法有较好的抗噪能力和立体匹配精度.     

采用光照不变特征改进支持权重快速立体匹配

为了确定同一场景在不同视点下图像点的对应关系,提出一种基于光照不变特征和改进型支持权重核的快速立体匹配。首先,稠密构造光照不变局部特征计算初始匹配代价;基于三次立方Tri-Cube权重核双通聚合得到稳健的匹配代价;采用优胜者全选法选择初始视差。然后,利用基于多方向邻域Tri-Cube权重核的双边滤波、遮挡检测和误码掩盖等策略实现视差智能修复。实验表明,该方法能产生较为满意的稠密视差图,计算费用低,能提高对光照变化的适应能力。     

基于极线距离变换的人脸立体匹配算法

针对人脸立体匹配中低纹理区域的误匹配率较高的问题,将极线距离变换应用到人脸立体匹配当中。这种变换将图像中像素点的灰度值转化为极线方向上相应区域的位置,使得在低纹理区域中灰度值相似的像素点变得容易区分。因此可以用于提高立体匹配算法在低纹理区域的匹配精度。但是在应用到人脸立体匹配过程中会出现高纹理区域的鲁棒性和精度下降的问题,通过对不同极线长度的极线距离变换结果提取有利的部分进行匹配来解决这一问题。实验结果表明,采用改进后的方法,在人脸的低纹理区域仍然能获得较高的匹配精度,并且降低了计算的复杂度,同时对于人脸中的高纹理区域具有较好的鲁棒性。     

空洞卷积和双边格网的立体匹配网络

为解决基于深度学习的立体匹配方法面临着网络规模大、网络结构复杂等问题,提出了一个网络规模较小、精度较高的网络结构。该网络在特征提取模块删减修改了复杂冗余的残差层并引入了空洞卷积金字塔池化模块来扩大视野范围,提取更多有用的上下文信息;在代价计算模块中使用了三维卷积层以成本聚合提升立体匹配的精度;最后,在代价聚合模块引用了双边格网模块以较低分辨率的成本量来获取精度较高的视差图。将该网络在KITTI 2015数据集和Scene Flow数据集等主流数据集上进行实验,结果显示,相较于其他主流优秀网络类如金字塔立体匹配网络（Pyramid Stereo Matching Network,PSM-Net）,网络规模参数量减少了约38%,并取得了较高的实验精度,其中Scene Flow数据集的终点误差（End-point Error,EPE）为0.86,是一个同时兼顾速度与精度的立体匹配网络。     

基于色彩分割和自适应窗口的快速立体匹配

针对现有立体匹配算法难以兼顾匹配精度和速度的不足,提出了一种基于联合匹配代价的局部方法.首先,根据视差在同一色彩分割区域内平滑变化的假设,提出了一种利用参考图像和目标图像的色彩分割信息获得的基于任意形状和大小支持区域的匹配代价;然后在RGB色彩空间中,通过由窗口内的平均匹配误差、误差方差及较大窗口的偏向误差构成的窗口选择评价函数,获得基于自适应矩形窗口的匹配代价;最后,将这两种匹配代价进行有机的结合构成联合匹配代价,并通过局部优化方法获得稠密视差图.采用Middlebury dataset进行的实验结果表明,本文算法不仅可以提高视差不连续区域和低纹理区域的匹配精度,而且获得的视差与当前主流算法具有可比性.此外,所提算法的处理时间较之当前优秀的局部方法提高了约19～35倍.     

基于代价参考的粒子滤波算法研究

针对非线性模型滤波问题,分别研究了代价参考粒子滤波器和标准粒子滤波器.分析了两者在算法结构和算法思路中的相同点和不同点,并利用Matlab工具分析和比较了在同一单变量非静态增长模型下两者的滤波效果.研究结果表明基于数理统计的滤波方法在解决非线性问题中优于基于概率统计的滤波方法.     

基于跨尺度字典学习的图像盲解卷积算法

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题,这是一个欠定逆问题,现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间。本文提出了一种基于跨尺度字典学习的图像盲解卷积算法,采用降采样图像训练稀疏表示的字典,并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中。图像降采样过程减弱了图像的模糊程度,且图像中存在冗余的跨尺度相似块,利用更清晰的图像块训练字典能够更好地对清晰图像进行稀疏表示,减小稀疏表示误差;同时,由于在纹理区域清晰图像的稀疏表示误差小于模糊图像的稀疏表示误差,在该字典下对图像中的纹理块进行稀疏表示,使重建图像偏向清晰图像。本文的算法在Kohler数据集上复原结果的平均峰值信噪比为29.54 dB。在大量模糊图像上的实验验证了本文的算法能够有效解决大尺寸模糊核的复原,并具有良好的鲁棒性。     

加权支持域硬件友好型立体匹配技术

为了准确获取实际场景中的深度信息,本文通过引入空间距离权重,提出了同时考虑局部区域相似度和接近度的加权支持域立体匹配方法。首先,对输入图像进行滤波,去除图像中的噪声,并通过Mini-Census变换求取Hamming距离。然后,建立加权支持域,求取代价累积;进而通过winner-take-all方法求取最小匹配代价和原始视差图。最后,对原始视差图进行细化处理,得到优化的视差图,并反演出空间的深度分布。实验结果表明,利用该算法在不同光照、不同场景下均能够正确地产生视差图;对标准数据库图片进行处理时,平均错误率仅为6.77%。该算法有效地降低了计算复杂度,具有计算精度高、适应性强、鲁棒性好、便于硬件实现等特点,可为高精度实时立体匹配专用处理硬件的设计和实现提供基础。     

一种基于自适应窗口和图切割的快速立体匹配算法

针对基于图切割的立体匹配算法计算量大的缺点,提出了一种新的快速立体匹配算法。首先根据图像边缘特征自适应变化窗口,并采用灰度差平方和匹配(SSD)作为相似判定准则计算初始视差图,再通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项,最后采用图切割(graph cuts)算法求取使全局能量最小的视差最优分配。通过标准图像对测试了提出的方法,并与其他方法进行了比较,实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法对大的低纹理区域和遮挡像素较好处理的优点,而且匹配时间短,运行时间比原有算法约缩短了三分之二,能够满足工程实用性的要求。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于坐标测量机的自由曲面检测采样策略

为了实现自由曲面快速精确的检测和评定,研究了检测过程涉及的采样策略。提出采用随机Hamersley采样、简单随机采样和列系统采样3种方法设置自由曲面上的测量点。采用拟粒子群算法优化变换参数,实现被测曲面与设计曲面之间的定位,采用曲面细分法搜索设计模型上与被测点距离最近点以计算自由曲面轮廓度误差。为了对基于坐标测量机(CMM)在不同采样策略下的检测结果进行比较,采用非均匀有理B样条生成零件设计模型,选择相同的加工工艺在不同的加工中心加工多个零件得到粗糙度不同的自由曲面。最后,使用CMM在所设计的采样策略下实测零件,用提出的方法计算零件的轮廓度误差,并与CMM内置软件的计算结果进行比较。实验结果显示:选择随机Hammersley采样法和中等采样点数的采样策略检测效果最佳,不仅测量精度高,而且耗时少、成本低。应用提出的方法计算自由曲面轮廓度误差时,其精度比由CMM内置软件计算结果高10%~22%,表明提出的方法适用于自由曲面零件轮廓度误差的快速精确检测与评定。     

基于行列双向约束的动态规划立体匹配算法

为了克服传统的动态规划立体匹配算法会产生明显条纹状瑕疵的缺陷,提出一种同时考虑行列双向约束的动态规划立体匹配算法。该算法首先利用扫描线信息中所包含的视差不连续性和遮挡现象构造出一种新的全局能量代价函数;然后进一步设计了基于此能量代价函数的全局优化策略,在保证扫描线行方向上视差平滑性的基础上,解决了扫描线列方向上的视差不连续性问题;最后通过动态规划寻找最优路径来获得匹配点和遮挡点的视差,从而得到稠密视差图。实验结果表明,所提出的算法不但能够有效消除视差图中的条纹状瑕疵,而且在匹配精度上能够取得较好的效果。     

自适应暗通道融合和天空补偿的去雾算法

针对暗通道先验图像去雾算法在景深突变区域和天空区域出现透射率估计不准确问题,提出一种自适应暗通道融合和天空补偿的去雾算法。首先,根据大窗口尺度和小窗口尺度的最小值滤波在暗通道先验的特点,将两者通过近似景深关系加权融合获得融合暗通道,从而获得初级透射率;其次,对初级透射率进行下采样,用有雾图像的灰度图进行快速联合双边滤波,再使用上采样恢复原图像尺度大小,并在天空区域采用高斯函数补偿优化得到修正的透射率图;最后,通过改进的大气光值,结合大气散射模型恢复出无雾图像。实验结果表明,该算法能够恢复图像大量细节信息,获得高可视度,并有效消除光晕效应,同时在天空等明亮区域有较好的恢复效果。     

自适应暗通道融合和天空补偿的去雾算法（英文）

针对暗通道先验图像去雾算法在景深突变区域和天空区域出现透射率估计不准确问题,提出一种自适应暗通道融合和天空补偿的去雾算法。首先,根据大窗口尺度和小窗口尺度的最小值滤波在暗通道先验的特点,将两者通过近似景深关系加权融合获得融合暗通道,从而获得初级透射率;其次,对初级透射率进行下采样,用有雾图像的灰度图进行快速联合双边滤波,再使用上采样恢复原图像尺度大小,并在天空区域采用高斯函数补偿优化得到修正的透射率图;最后,通过改进的大气光值,结合大气散射模型恢复出无雾图像。实验结果表明,该算法能够恢复图像大量细节信息,获得高可视度,并有效消除光晕效应,同时在天空等明亮区域有较好的恢复效果。     

基于随机编码结构光的双目立体三维测量系统

基于双目立体视觉理论建立的三维测量方法具有非接触、大视场、较高精度以及实时性强等优点,因此在工业众多领域得到广泛的应用。立体匹配是实现双目立体测量的关键技术。为了提高匹配精度和鲁棒性,将一种随机编码结构光投射到被测物体表面,使物体表面具有丰富的纹理信息,从而使立体匹配不受自身表面纹理的影响,而且具有较强的抗外界噪音的能力,满足现场测量的要求。该方法仅需拍摄1次,完成一次三维测量仅需十几秒,因此能够应用到动态场景并且实现快速三维测量。     

基于Gabor小波的浮选泡沫图像纹理特征提取

矿物浮选泡沫表面纹理是浮选工艺指标高低的重要指示器,为了获取泡沫图像纹理的细微差别进而对浮选生产状态进行机器识别,提出一种基于Gabor滤波的泡沫图像纹理特征提取方法。首先利用Gabor小波提取了泡沫图像多尺度与多方向上的泡沫纹理幅度谱(GMTR)与相位谱(GPTR);然后根据GMTR与GPTR的分布特征,通过估计GMTR的Gamma分布参数和计算GPTR的熵作为泡沫纹理特征参量;最后,利用所提取的泡沫纹理特征对浮选工业生产状态进行无监督的模糊聚类分析与有监督的生产状态识别。实验结果表明,该纹理特征提取方法能有效地获取各种浮选状态下泡沫表面纹理的细微差别,基于该纹理特征参量的浮选状态识别准确率高于90%。     

基于线性生长的区域立体匹配算法研究

图像的区域立体匹配是立体视觉中的重点研究课题之一,实时可靠应用的关键在于视差图的可靠性和计算复杂度.提出了一种基于线性生长的区域立体匹配算法,实现从立体图像对中提取深度信息,获得更可靠视差图的方法.该算法包括根点选择和区域生长2个部分,获得视差图的计算时间短,利用滤波可以提高视差图的可靠度.最后对此算法生成的结果进行了比较分析.