一种基于遗传算法的立体匹配方法

根据遗传算法容易获得全局最优解的特点，文章首先利用沈俊边缘检测算子获得图像的边缘特征，然后改进了遗传算法，设计了染色体表示方法、适应度函数以及相应的遗传操作。使之适合于立体匹配的要求。实验结果表明该方法效果良好，具有实用价值。     

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。     

一种对光照条件不敏感而快速的局部立体匹配

针对绝大多数立体匹配算法的相似性测度过分依赖于图像灰度统计特性的问题,提出了一种对光照变化不敏感的立体匹配算法.首先,研究了Census非参数变换并分析了其局限性;其次,为了在立体匹配时能够考虑像素的空间位置信息,对于变换窗口内与中心像素的相对位置大于一个单位的各邻域像素,将其灰度值通过周围4个像素的灰度值插值获得:最...     

一种改进的快速立体匹配方法

首先介绍了立体匹配的一般步骤,再考虑到立体匹配的实时性,从众多立体匹配算法中选择了基于区域的WTA相关匹配算法。同时,为了保证匹配的正确性,降低误匹配率,本文在立体匹配中采用了亚像素插值和边缘检测等多项改进措施。实验结果表明,本文的立体匹配算法既具有良好的实时性也具有较高的精度,完全能满足移动机器人双目立体视觉等应用要求。     

基于自适应参数的非局部立体匹配算法

针对现有非局部立体匹配算法在不同纹理图像下因选取固定参数而导致整体误匹配率偏高的问题,提出一种自适应参数的非局部立体匹配算法。对颜色差和水平及垂直方向梯度代价进行归一化处理并加权融合,通过对融合后代价作对数变换,提高了单像素匹配代价在低纹理区域表现;在色度,饱和度,纯度(HSV)颜色空间上,计算参考图的平均色度差,自适应调节代价聚合参数;经过视差选择获得视差图。实验结果表明:所提算法在Middlebury测试平台对31组立体图像对处理后的平均误差为7. 86%。在低纹理区域误匹配率进一步降低,具有更好的泛化性。     

一种鲁棒的基于互信息的实时立体匹配算法

立体匹配算法依然是目前计算机视觉领域中的一个重要的研究热点.现有的绝大多数匹配算法都假定已满足相似性约束条件.然而在野外环境下,光照不均、场景为非朗伯表面、像机间差异都会使该约束条件无法满足,从而导致匹配失败.本文针对这种情况,并从实时应用的角度出发,提出一种鲁棒的基于互信息的实时立体匹配算法.该方法在相关匹配算法中引入互信息概念,并将其转换为相关算法可用的求和形式,通过迭代方法修正互信息值.然后,建立了三种亮度变化模型来验证该算法的有效性.实验结果表明,该算法能很好地抑制立体图像对间的亮度差异,具有很好的实时性与鲁棒性.     

一种非度量属性距离方法

目前,大多数相似性相关工作都会使用欧式距离计算最近邻来解决问题,如相似性搜索。然而,存在研究表明该类具备度量属性的距离方法是有缺陷的,不能满足所有应用需求。因此,本文从实际出发,提出了一种新的相似性度量方法,实验结果表明,所提方法在实际应用中是有效的。     

一种基于空间直方图的Mean-Shift跟踪算法*

经典的Mean-Shift跟踪算法以颜色直方图为特征对目标进行跟踪。颜色直方图反映的是图像中颜色的组成情况,即出现了哪些颜色以及各种颜色出现的次数。颜色直方图具有旋转不变性、缩放不变性等优点,经常用于图像检索,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。但是颜色直方图不能反映颜色的空间分布特征,当跟踪目标与背景色颜色相近时可能造成错误跟踪,导致跟踪失败。考虑目标颜色空间分布特征,将空间分布信息融入颜色直方图中,提出了基于空间颜色直方图的Mean-Shift跟踪方法,全面地反映了颜色的整体分布信息和空间分布信息。在VC 6.0上利用新方法和经典Mean-Shift跟踪方法分别对发生遮挡的视频和快速运动的视频进行跟踪,实验结果表明,提出的新方法能够更好地对目标进行跟踪,避免跟踪过程中的目标丢失。     

一种新的立体匹配算法

立体匹配是目前计算机视觉领域中最活跃的研究主题之一,在三维重构、对象识别与分类、图像对齐等应用中,立体匹配都是一个关键步骤.为了能够更精确地对特征点进行匹配,给出了一个新的匹配约束条件:匹配点距离相关性约束,据此提出了一种新的立体匹配算法.该算法独立于特征点的检测算法,首先使用灰度相关法进行初始匹配,然后利用最小中值平方法获得部分正确匹配点集,在此基础上加入匹配点距离相关性约束进行引导匹配,得到最后的匹配点集.实验表明,该算法能够很好地实现特征点的正确匹配.具有很高的使用价值.     

一种基于Hopfield网络的立体匹配方法

立体匹配是计算机视觉研究的经典难题，其算法的复杂度和精度直接影响了视觉系统对外部景物的重建性能。为此提出了一种新的基于神经网络的立体匹配方法，其基本思想是：在实现核线重排的前提下，利用唯一性、相容性以及相似性等匹配约束条件，建立反映对应极线间所有匹配点约束关系的能量函数，将其映射到二维Hopfield网络进行极小化求解，网络最后的稳态表示匹配点的对应关系；通过对图中所有极线进行上述操作，可以得到所求的视差图。与传统方法相比，本算法具有两个明显的特点：(1)匹配基元采用了普通的图像点，可以直接获得稠密的深度图；(2)Hopfield网的外部输入不再为常数，而是一个反映对应点灰度相似性关系的值。通过对合成图以及真实图景进行测试，验证了该方法的有效性。     

一种光照度不一致鲁棒立体匹配算法

为了提高光照度不一致立体图像对的匹配率,提出一种基于对数颜色空间下改进极线距离变换的立体匹配算法.在对数颜色空间下,首先根据初始视差图计算立体图像对的灰度比;然后,采用与灰度比成比例的灰度误差系数,分别对左右图像进行极线距离变换;最后利用置信度传播算法计算视差图.理论上,本文算法的匹配结果不会受光源位置、光源谱分布、光照强度以及摄像机参数设置等光照度不一致因素的影响.实验表明:本文算法的匹配率相对于原始极线距离变换算法最多可提高60%;而应用于弱纹理图像对时,相对于当前先进的自适应归一化算法,匹配率最多可提高78%.     

一种改进的立体像对密集点匹配算法

文中研究在随机光场照射下基于窗口的密集点匹配算法。针对基于窗口匹配中出现的细节平滑问题,提出了在窗口内对像素点引入权值参数来提高细节部分测量精度的方法。在匹配前对图像进行校正,使得各极线和图像坐标系的横轴平行,在匹配过程中不需要再计算极线方程,大大提高了匹配的效率。根据待匹配图像的灰度信息和摄像机的内外参数信息,通过求解对应窗口内像素点向量夹角的方式进行双目立体匹配。在试验中,完成了棋盘格图像的密集点匹配,并与典型区域匹配算法进行了匹配效率与视差图效果的对比分析,验证了文中算法在匹配效率和视差图效果方面的优越性。     

基于MRF和颜色空间的立体图像匹配算法

为了提高立体图像匹配的效率和准确度,对基于马尔可夫随机场（Markov Random Fields,MRF）的立体图像匹配算法进行改进,提出一种基于MRF和颜色空间的立体图像匹配算法。该算法利用颜色距离构建匹配代价函数,以充分利用彩色图像中的颜色信息,并采用加速的信度传播算法进行能量最小化。分别利用灰度信息、RGB信息、HSI信息进行立体匹配实验。实验结果表明,改进后的算法能加快收敛,降低误匹配率。     

融合边缘特征的SAD立体匹配算法

为保证SAD算法的立体匹配效率,提高匹配精度,提出一种融合边缘特征的立体匹配算法Edge-Gray.通过边缘计算得到边缘特征图,在进行匹配的过程中,根据当前点与领域点的差值确定匹配窗口大小和匹配源图,在此基础上进行视差优化得到视差图.实验结果表明,与传统的SAD算法相比,Edge-Gray算法的平均误匹配率较低,对于边缘较多的Cones图像立体匹配效果较好,其误匹配率可降低10.52%.     

一种新的基于特征点的立体匹配算法

目前,立体匹配是计算机视觉领域中最活跃的研究主题之一。为了快速并更精确的对特征点进行立体匹配,本文提出了一种新的基于特征点的立体匹配算法。该方法独立于特征点的检测算法,先以扫描线作为匹配单元,然后以鲁棒函数为匹配代价函数,最后用顺序约束对每一匹配单元的视差图进行检测与校正。实验证明,该方法的匹配精度高于传统的基于NCC(norm alized cross-correlation)的立体匹配算法,并且运行时间快,可以应用于纯软件的基于特征点的立体视觉系统中。     

一种改进的立体视觉匹配算法*

针对目前双目立体视觉匹配算法匹配误匹配率高的问题,提出了一种具有尺度不变特性的 Harris检测算法,将SIFT特征描述子引入到Harris特征的描述过程当中,使其提取到的特征具有旋转、尺度、亮度不变性。并且为了提高匹配精度,采用RANSAC法去除误匹配来降低误匹配率。相对于经典的 Harris算法,该算法提取的特征具有尺度不变特性且误匹配率降低,是一种有效可行的立体匹配算法。     

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。     

一种行星车视觉系统立体匹配算法

针对行星车视觉导航系统,提出一种立体匹配算法。使用Census变换得到一组二进制码流,通过色彩权重和距离权重完成权重计算,采用双通道的方法累加匹配代价。实验结果表明,该算法在时钟频率为100 MHz的情况下,每秒可处理2幅23帧左右的图像,平均误匹配率低于6%。     

基于线分割的立体匹配算法

给出一种改进的立体匹配算法。根据视差场的极限约束,采用图像线分割的匹配方法得到初始视差,由基于初始视差的交叉检测技术和可信度约束提取高可靠度的GCP点。针对视差图中的不可靠点,加入Bilateral Filter的自适应加权中值滤波,在由均值偏移图像分割算法得到的分割区域内,对像素的视差值进行投票,有效遏制局外点,得到更合理的视差图。在Middlebury test set上进行的测试结果表明,该算法具有较好的视差估计精度。