二次加权引导滤波融合双色彩空间模型的立体匹配

立体匹配一直以来都是双目视觉领域中研究的重点 和难点。针对现有立体匹配算法边 缘保持性差、匹配精度低等问题,提出了一种二次加权引导滤波融合双色彩空间模型的立体 匹配算法(Secondary Weighted Guided Filtering fusion double color model,SWGF)。首 先在代价计算阶段提出了一种双色彩空间模型,从两个颜色空间进行像素颜色匹配代价计算 ,增强像素在低纹理区域的特征;然后在代价聚合阶段基于HSV颜色空间利用不同窗口中像 素纹理不同加入一个边缘保持项,从而使正则化参数进行自适应调整。在一次引导滤波之后 ,我们使用Census变换得到的汉明距离和初始视差完成一次代价更新,再次对其进行代价聚 合,随后计算视差并对视差进行左右一致性检测、空洞填充和加权中值滤波等优化,最后获 得视差图。本文算法在Middlebury测试平台上测试结果表明SWGF算法误匹配率仅为 4.61%,可以大幅提升立体匹配的精度,同时增强其边缘保持性。     

基于引导滤波及视差图融合的立体匹配

立体匹配是双目视觉领域的重要研究方向.为在保证图片纹理区域匹配精度的同时降低弱纹理区域的误匹配率,提出一种基于引导滤波及视差图融合的立体匹配方法.首先,根据图像颜色相似性将图片划分为纹理较丰富区域和弱纹理区域.接着,分别采用不同参数的引导滤波进行代价聚合及视差计算,得到两张视差图.然后依据纹理区域划分的结果对获得的两张视差图进行融合.最后,通过左右一致性检测、加权中值滤波等视差优化步骤得到最终视差图.对Middlebury测试平台上标准图像对的实验结果表明,该方法在6组弱纹理图像上的平均误匹配率为9.67％,较传统引导滤波立体匹配算法具有更高的匹配精度.     

基于改进Census变换与梯度融合的立体匹配算法

双目立体匹配根据视差原理将平面视觉转化到三维立体视觉,是三维重建的核心步骤之一.针对局部立体匹配算法在深度不连续、弱纹理区域匹配精度低且易受光照、噪声等因素干扰的问题,提出了一种改进的立体匹配算法.首先,在代价计算阶段将改进的Census代价与梯度代价进行融合,并采用引导滤波算法对图像进行多尺度代价聚合;然后,采用赢家...     

基于最优斜面参数估计的局部立体匹配算法

针对传统局部匹配算法在斜面场景匹配中所表现出的阶梯效应,提出了一种基于最优斜面参数估计的局部立体匹配算法。该算法首先为每一个像素随机地分配一组斜面参数,然后以新的斜面参数所定义的支撑域下当前像素的匹配代价是否减小为准则,迭代地进行斜面参数的邻域传播-单点优化过程,并最终使得计算结果收敛到最优斜面,同时估计得到稠密的亚像素级视差。通过对典型斜面场景图像和Middlebury 标准测试图像对的匹配实验表明,文中算法在将对普通场景的匹配效果保持在当前先进水平的同时,对斜面场景的匹配消除了阶梯效应,且匹配率代表了局部匹配的先进水平。     

基于引导滤波二尺度分解的红外与可见光图像融合

为了降低多尺度分解融合算法的复杂性,并提高融合图像适应人类视觉特点,本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理,然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法,最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响：从实验数据可知,增强可以提升融合效果,但在图像融合中融合方法才是关键。     

基于引导滤波二尺度分解的红外与可见光图像融合

为了降低多尺度分解融合算法的复杂性,并提高融合图像适应人类视觉特点,本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理,然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法,最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响：从实验数据可知,增强可以提升融合效果,但在图像融合中融合方法才是关键。     

基于序列二次规划的粒子滤波算法

针对传统粒子滤波(PF)没有引入当前信息,并存在粒子退化的问题,提出了一种基于序列二次规划(SQP)多级优化的PF 算法。首先,基于残差分布特性采用置信区间剔除较大偏差粒子,调整粒子权值分布;然后,将重采样后的粒子映射到集合U,根据集合U 中各粒子复制次数建立多级优化模型,通过SQP 求解模型的参数值,当前后两级模型优化参数差异小于门限时,输出最后一级优化参数为滤波结果;最后,为防止过度采样导致粒子退化,利用滤波值及其协方差采样新粒子。仿真实验表明:SQP鄄PF 算法在跟踪精度,粒子多样性方面优于传统PF 算法。     

基于引导滤波的微光图像增强算法研究

针对低光照条件下,成像设备获取的图像存在低亮度、细节丢失的问题,提出一种基于引导滤波的微光图像增强算法,以实现微光图像增强。首先,将微光图像从RGB转到HSV空间,并将V通道复制为3份,分别采用直方图均衡化、改进的伽马校正及经典的非锐化掩膜对其进行处理。其次,用合适的融合权重将3份处理后的V通道进行多尺度融合,再采用改进的引导滤波对融合后的V通道进行处理。最后,将处理后的图像反变回RGB颜色系统,从而实现图像增强。通过与现有的4种图像增强算法进行主观视觉效果对比以及客观指标分析,实验结果表明,所提算法可有效提高图像亮度,增强图像细节,提升图像的质量。     

基于改进Census变换的抗噪立体匹配算法

针对传统Census变换在匹配代价计算中易受噪声影响、匹配精度较低的问题,提出一种引入噪声容限的四状态Census变换算法。在匹配代价计算中,首先将改进的Census匹配代价与灰度绝对差值和梯度代价进行融合,并加入相应的截断阈值,以提高初始匹配代价空间的可靠性。然后通过引导图滤波进行代价聚合,并采用赢家通吃策略计算初始视差值。最后通过左右一致性检验、视差填充和加权中值滤波来优化初始视差值,得到最终视差图。实验结果表明,所提算法的噪声鲁棒性优于传统Census变换算法,且立体匹配算法的整体误匹配率降低至5.59%。     

鲁棒自适应加权的引导滤波算法

为了提高图像滤波时边缘的保持能力,提出鲁棒自适应加权的引导滤波算法。首先利用一阶差分法判断高斯滤波处理后引导图像的边缘位置信息,在去除噪声干扰的同时,提高边缘信息提取的鲁棒性,然后通过最大类间方差法(Otsu)分割边缘区域与非边缘区域,提高区域阈值选取的自适应性,最后利用改进的分段函数模型拟合理想权重因子,控制不同区域的平滑程度,实现鲁棒自适应引导滤波,达到保边平滑的目的。通过图像平滑实验与抠图实验对所提算法性能进行了验证,与引导滤波算法及另外2种改进算法相比,所提算法的保边平滑性能更强。     

融合梯度特性与置信度的立体匹配算法

针对现有局部立体匹配算法在计算匹配代价时, 不能很好区分强弱纹理区域,及在视差计算过程 中,不能很好的解决视差歧义问题,提出一种融合梯度特性与置信度的立体匹配算法。首先 计算梯度特 征,并根据梯度特征信息选择匹配代价计算的匹配窗口,针对强弱不同纹理区域选择不同尺 寸的匹配窗 口,有效的提高了立体匹配精度,降低了误匹配率;然后在视差计算中引入置信度约束条件 ,解决了视差 计算中视差歧义的问题,提高了立体匹配算法的稳定性与精度;最后使用水平与垂直方向交 叉区域检测进 行奇异值的修正。实验结果表明,该算法在Middlebury数据集中31对 立体图像对的平均误匹配率为7.96%,有效的提高了立体匹配精度。     

基于融合代价和分段优化的立体匹配算法

针对已有的立体匹配算法在噪声侵扰中匹配率低,在视差不连续和弱纹理区域中视差精度不高的问题,提出了一种基于Census变换与互信息(MI)融合代价和分段优化的立体匹配算法.算法主要分两步进行,即初始视差图获取和视差图优化.第一步,由MI和Census融合形成初始匹配代价,之后由改进引导滤波进行代价聚合,求得最优匹配代价;...     

自适应区域划分立体匹配算法

针对现有立体匹配算法在弱纹理区域及深度不连续区域匹配精度低的问题,提出一种基于自适应区域划分的立体匹配算法。首先,利用十字交叉域算法获取像素点臂长,计算像素变化率完成区域划分。然后,通过绝对差算法,改进Census变换和自适应加权梯度算子计算初始代价卷,利用十字交叉域进行代价聚合,对聚合后图像通过改进引导图滤波优化,使用赢者通吃策略筛选最优视差。最后,利用左右一致性检测、迭代区域投票、视差填充优化和中值滤波得到最终视差图。在Middlebury测试平台上测试结果表明,所提算法平均误差率为4.21%,能够有效提升在弱纹理区域及深度不连续区域的匹配精度。     

基于核空间二次相关滤波的红外目标检测

子空间二次综合判别函数(SSQSDF)是一种性能良好的二次相关滤波器,为了更好地对复杂场景中红外目标进行检测,提出了把SSQSDF扩展到高维空间用于红外目标检测的核二次相关检测算法(KSSQSDF).算法主要通过选取适当核函数得到训练样本核矩阵,然后利用核函数性质把SSQSDF转换为以核矩阵表示形式的矩阵方程,最后求解方程获得KSSQSDF算法表达式.KSSQSDF形式简单,能较强抑制目标背景噪声干扰,提高目标检测精度.在真实场景下通过实验验证了KSSQSDF与SSQSDF相比在检测性能上具有优越性.     

基于截断AD-Census函数的立体匹配算法

双目视觉技术是重要的立体成像技术之一,该技术的核心是计算匹配像素点之间的视差值,而这种计算依赖于代价函数的设计。其中Absolute Difference Census(AD-Census)函数作为代价函数是常用的方法,但该方法受权重系数的影响较大。为了有效提高AD-Census函数的匹配精度,提出向AD-Census函数中添加截断参数以改进其匹配效果,保证了代价聚合时像素的绝对值和梯度不会出现因其中一个值较大,而导致另一个值的影响被忽略的情况出现,从而提高匹配精度,与传统的AD-Census函数相比失配率可以降低6%以上。     

基于引导滤波和模糊算法的红外背景抑制算法

为了减少背景对红外小目标检测结果的影响,同时降低检测虚警率,采用了基于引导滤波和模糊算法的红外背景抑制算法,利用非下采样轮廓波多尺度、多方向的分解机制,将红外序列图像分解为低通子带和带通子带;再利用引导滤波对低通子带处理,以平滑图像、抑制噪声、增强背景细节;带通子带则采用模糊算法处理,实现目标和残留背景分离;最后将各子带图像通过非下采样轮廓波逆变换,得到了背景抑制图像。结果表明,该方法可以将均方误差降至5~10,有效抑制了背景,突出了目标。该研究为提高复杂背景下的红外小目标检测精度提供了支持。     

基于颜色变化信息的局部立体匹配算法

本文主要针对传统的局部匹配算法中的遮挡区域和重复区域、不连续区域的精度不高问题,提出了一种基于遮挡信息和颜色变化约束的局部匹配算法。首先,提出一种基于颜色变化约束的区域生长算法来提高权重因子的准确性,有效提高不连续区域、重复区域和低纹理区域的匹配精度;接着针对遮挡区域难匹配问题,提出通过降低遮挡像素点的权重影响来提高支持聚合的思想;最后结合生成的区域和遮挡点对权重因子进行分类,最终生成视差图。实验结果表明,该算法能有效提高重复区域、边缘区域和遮挡区域的匹配精度,与当前主流算法具有可比性。