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。

应用于刹车盘复杂背景去除的改进Grab Cut分割算法

针对无序分拣过程中车间光照不均导致的分割结果不准确问题,提出一种改进的Grab Cut图像分割算法。该算法采用自适应中值滤波去除图像表面噪声;通过限定对比度自适应直方图均衡化提升图像整体亮度,增强对比度;进一步使用Laplacian算子对刹车盘区域进行锐化处理;在此基础上对刹车盘图像复杂背景进行去除;最后通过仿真实验对比分割效果、PSNR、误分割率、分割准确性和运行时间来评价算法模型。实验结果表明:提出的改进Grab Cut分割算法相较于原始算法能有效降低光照不均对刹车盘复杂图像背景去除的影响,使分割准确率提高了12.5%,分割结果与实际刹车盘模型相比误差小,为刹车盘图像复杂背景去除提供参考。