基于加权引导滤波的局部立体匹配算法

立体匹配是双目立体视觉中的关键环节.本文在现有局部立体匹配算法的基础上,提出一种基于加权引导滤波的局部立体匹配算法.该算法在代价聚合阶段采用加权引导滤波方法,根据不同窗口像素纹理的丰富程度,对引导滤波的规整化参数进行自适应调整,实现更准确的代价聚合;在视差选取阶段,根据聚合后的代价空间信息对视差的可靠性进行判断,对于视差不可靠像素,利用自适应窗口方法进一步代价聚合后确定视差.在MATLAB软件平台上利用标准立体图像对进行测试,实验结果表明,本文提出的算法平均误匹配率为5.20%,相比于现有的局部立体匹配算法具有更高的精度.     

改进非参数变换测度下的立体匹配

针对传统非参数变换测度的局限性,提出了一种基于局部纹理加权项的非参数Census变换测度,并使用半全局匹配法聚合代价的立体匹配算法。根据图像纹理度量的方向性,通过增加局部纹理反差值计算匹配窗口内所有像素的灰度均值,将其与反差值的加权和作为现匹配基元。使用半全局匹配法计算8邻域方向的匹配代价,以最小代价为匹配条件选取初始视差值。最后,利用图像分割法统计各分割区域的视差直方图,以直方图主峰所对应的视差值作为最终视差值。实验结果表明,该算法获得的视差精度优于当前多数局部算法,处理立体匹配中幅度失真的问题效果明显,能够很好地适应于真实场景测量。     

基于局部纹理特性和图像分割的分步立体匹配

为解决立体匹配难以兼顾精度和速度的问题,提出一种分步立体匹配方法。根据局部纹理特性对图像对进行灰度变换;然后利用均值漂移算法分割参考图像,以任意大小和形状的分割区域为支持窗口进行初次匹配,形成基于色彩分割的视差约束;再以固定窗口为支持窗口进行二次匹配,获得初始视差图;最后通过可信度分类优化初始视差。实验结果表明所提出的算法兼有较高的匹配速度和精度。     

基于边缘特征和可信度的立体匹配算法

目的针对难以快速获得高精度的稠密视差图问题,提出一种基于边缘特征和可信度的立体匹配算法。方法为了增加像素点之间的区分性,采用鲁棒性较好的AD-Census函数作为匹配代价测度函数。针对匹配窗口跨越视差不连续区域时造成误匹配问题,算法首先对参考图像进行边缘特征提取,基于边缘特征约束,获取形状和大小均具有自适应特性的匹配窗口。视差计算时,使用WTA算法计算每个像素点的视差值,同时计算该像素点视差的可信度。最后通过边缘检测图和信度图进行联合优化,修复可信度较低的像素点的视差。结果该算法能够快速有效地处理视差遮挡区域和视差不连续区域的误匹配问题。结论基于边缘特征和可信度的立体匹配算法是一种高效可行的立体匹配算法。     

基于双边滤波的快速立体匹配算法研究

立体匹配是双目立体视觉的核心问题.立体匹配算法对左、右图像进行逐像素匹配,建立对应关系,生成稠密的视差图.本文提出一种基于双边滤波的立体匹配算法.使用归一化互相关函数作为匹配的相似性测度函数,在使用双边滤波进行代价聚合的基础上,对视差的选择策略进行改进.引入置信因子判断匹配的可靠性,将匹配不可靠的像素点的位置记录下来.通过对不可靠匹配区域的代价空间进行多次滤波,将可靠匹配区域的代价信息传递给不可靠区域,最终影响不可靠匹配区域的视差选择.实验结果表明该算法能够实现快速的亚像素立体匹配.     

基于区域分割的动态规划立体匹配算法

提出一种基于区域分割的动态规划立体匹配算法.首先参考图像经自适应多阈值切割之后,得到一个由区域组成的集合,并沿着各个闭合区域的边界进行动态规划跟踪,然后对于非匹配区域和区域内部分别作视差融合和视差插值处理,获得最终的稠密视差图.实验结果表明,该算法能够取得较为理想的效果,视差图横向“条纹”瑕疵和边界区域上的误匹配点明显减少,层次更加分明,整个视差图平滑性较好,匹配效率有了显著提高.     

基于自适应能量聚集和动态规划的体视算法

为了得到准确、稠密的视差图,提出了一种利用自适应能量聚集和动态规划的立体匹配算法.该算法首先根据颜色相似性和空间距离计算窗口内所有像素的视差支持权值,并利用自适应能量聚集方法得到视差空间图;然后引入一种加强顺序约束和遮挡约束的动态规划的方法,求得参考图像中所有扫描线上的最优路径并处理遮挡问题;最后使用一些国际标准立体图像进行了实验.结果表明,与传统的动态规划算法相比,本算法可以减少典型的条纹状瑕眦,同时保持目标边缘的清晰,在视差不连续区域和大的无纹理区域均能取得很好的效果.     

基于改进Census变换的鲁棒立体匹配算法

针对局部立体匹配算法对噪声与光照变化敏感及在弱纹理区域匹配效果不佳的情况，提出一种基于改进Census变换与自适应参数引导滤波的立体匹配算法。该算法融合HSV通道值计算代价，对噪声与光照变化有较好的鲁棒性；在支持窗口内分别使用欧式距离加权与颜色加权获得Census变换参考值；集成AD与Census代价提高了单像素匹配代价的稳定性，降低了原Census变换对中心像素的依赖程度。在代价聚合过程中使用峰度系数对正则化参数进行自适应处理，通过视差计算获得视差图。在VS2017平台上对Middlebury数据库提供的图像对进行匹配实验，该算法在标准图像、加噪声图像及光照变化图像的各区域平均误匹配率分别是7.80%、10.72%和9.89%。结果表明：该算法可以降低误匹配率，同时能更好地适应噪声与光照变化。     

融合色彩分割和加权非参数变换的立体匹配

针对传统非参数变换的局限性,提出了一种立体匹配算法。利用参考图像的色彩分割信息获得基于任意形状和大小支持区域的匹配代价,并在相似色彩区域内计算加权非参数变换匹配代价,再将这两种匹配代价融合构成联合匹配代价,通过局部优化方法获得稠密视差图。实验结果表明算法提高了低纹理区域、遮挡区域和不连续区域的匹配精度,并对幅度失真具有鲁棒性。     

基于可变形卷积的双目视觉三维重建

提出一种基于可变形卷积的立体匹配算法来进行双目视觉三维重建。首先,采用二维可变形卷积对输入的左右两幅图像进行特征提取;然后,利用三维可变形卷积,在匹配代价空间中有效地聚合两个图像之间的相关特征;最后,采用3个阶段级联残差学习的方式来降低匹配代价空间的参数计算量,以达到快速匹配的实时要求。根据该算法原理完成了视差深度图的检测,并通过Open3D重建三维物体。实验结果表明:该算法的参数量为0.5×10⁶,运行时间只需0.02s,生成的视差图精度较高,三维重建效果较好。