结合SURF算子和极线约束的柑橘立体图像对匹配

提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算,在该分量上,采用快速hessian检测子进行特征点检测,并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明,该方法对一幅图像对的平均处理时间为293ms,在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。     

基于全局优化的保细节分层多视图立体匹配

传统的基于全局优化的多视网立体匹配方法由于算法复杂度和内存容量的限制,难以处理高分辨率的图像,为此提出一种保细节的层次化多视图它体匹配方法.首先对每幅分割的图像进行结构微细度评估,为分割区域设定合适的匹配分辨率层;然后在图像的金字塔结构上:进行由粗到细的视差恢复:在一定的分辨率层上,对属于该分辨率层的图像区域进行全局优...     

一种基于SSD和图割的快速立体匹配算法

针对图割法的立体匹配算法耗时多的问题,提出了一种基于S S D和图割的快速立体匹配算法。为了缩小视差搜索范围,缩短匹配时间,先采用区域匹配S S D算法得到初始视差,然后再采用左右一致性校验法去除误匹配点,可以提高初始视差图的质量;在构造能量函数时,把初始视差图中的像素视差作为图割的能量函数的限制项,根据这些限制可以减少不必要的节点,从而减少了计算量,缩短匹配时间。通过实验证明了本文算法在保证匹配图像质量的情况下,能提高匹配效率,减少匹配时间。     

一种基于图像分割及邻域限制与放松的立体匹配方法

提出了一种以K-均值分割为基础的立体匹配方法.该方法不仅可以根据图像的内容自动调整匹配窗口的形状,还可实现对参与匹配窗口的大小、数目和权重的智能调节.作者采用K-均值分割方法精确定位物体边界,保证匹配窗口位于同一物体内部;邻域限制与放松可以进一步根据图像内容灵活地运用匹配窗口周围的环境信息;两种方法的结合有效地提高了匹...     

图像立体匹配研究进展

图像的立体匹配一直是立体视觉的研究重点.首先简要介绍了立体匹配方法及其分类,归纳了立体匹配中的各种约束条件和相似性测度函数;然后总结了局部匹配算法和全局匹配算法的特点,并结合对象的三维重建问题重点分析了全局匹配算法中的动态规划算法、图割法和置信度传播算法;最后对立体匹配研究面临的主要问题给出了一些建议.     

自适应分层粒子群稠密视差图估计

分析了遗传算法的缺陷,提出了自适应分层粒子群(PSO)立体匹配算法计算稠密视差图。首先采用SIFT(scale invariant feature transform)特征检测和匹配算法准确地确定视差范围;其次根据图像和视差范围的大小分层,建立由粗及细的自适应分层图像金字塔结构,加快搜索速度、减少错误匹配;然后在优化函数中引入能根据匹配窗口大小自动变化的因子来调整灰度项和平滑项数据的权重,并用改进的带变异算子的整数形式的PSO进行优化,避免了遗传算法搜索的盲目性以及容易陷入局部最优的缺陷,更快、更好地找到最优解。最后合成图像以及真实图像的实验结果表明该方法精度较高,速度较快。     

基于区域间协同优化的立体匹配算法

提出了一种基于分割区域间协同优化的立体匹配算法. 该算法以图像区域为匹配基元, 利用区域的彩色特征以及相邻区域间应满足的平滑和遮挡关系定义了区域的匹配能量函数, 并引入区域之间的合作竞争机制, 通过协同优化使所定义的匹配能量极小化, 从而得到比较理想的视差结果. 算法首先对参考图像进行分割, 利用相关法得到各分割区域的初始匹配; 然后用平面模型对各区域的视差进行拟合, 得到各区域的视差平面参数; 最后, 基于协同优化的思想, 采用局部优化的方法对各区域的视差平面参数进行迭代优化, 直至得到比较合理的视差图为止. 采用Middlebury test set进行的实验结果表明, 该方法在性能上可以和目前最好的立体匹配算法相媲美, 得到的视差结果接近于真实视差.     

基于多目立体匹配的深度获取方法

提出一种深度获取方法,利用基于颜色分割的多目立体匹配算法,从多个视点图像中提取深度信息。利用mean-shift算法,根据颜色信息分割参考图像,提取图像中的颜色一致性区域,通过局部窗口匹配算法进行多目立体匹配得到多幅初始视差图,根据融合准则将多幅视差图合成为一幅视差图以提高视差图的精度并对视差图进行优化后处理,按照视差与深度的关系,将视差图转化为深度图。该算法能有效处理匹配过程中的遮挡区域,提高匹配精度和视差图的准确度。     

利用块几何约束及视差概率的立体匹配算法

为了解决倾斜表面或曲面的匹配问题,提出了一种基于图像分割块之间的几何约束和视差值的概率分布信息的视差估算方法。在一个全局能量函数中增加了图像分割块之间的几何约束项,通过计算匹配能量得到分割块的最优视差平面。为了确定可信像素和可信分割块,利用了视差的概率分布信息。同时,利用了分割块之间的几何约束和分割块内像素之间的约束来估计不可信像素点的视差值。用包含大视差范围、更多倾斜表面、曲面和弱纹理表面等典型图像对所建议的算法进行测试,实验结果表明,该方法对于存在倾斜表面和曲面的立体视差计算是有效的。