基于mean-shift全局立体匹配方法

针对图像全局立体匹配精度高、计算量大的问题,提出基于mean shift图像分割的全局立体匹配方法。首先,通过mean shift算法对图像进行分割,获取图像同质区域数量和区域的标号。在计算匹配代价时,根据像素所属的分割区域,对像素进行筛选,从而提高匹配代价计算速度;其次,在代价聚合前,将mean shift算法获取的同质区域数K值赋值给K-means聚类算法,对像素再次聚类,提高立体匹配精度和速度;最后通过TRW-S置信传播解决能量最小化问题。实验表明,该算法明显提高了匹配的准确性和速度,与单纯的全局匹配算法相比,具有更大的优势。

基于AD-CESUS联和测度的立体匹配算法

双目图像深度估计是许多现代立体视觉技术的重要基础。由于受到光线、纹理结构变化,前后遮挡,图像噪声等因素的影响,基于单特征的匹配算法缺乏鲁棒性。本文将基于像素点的AD测度函数与基于区域的Census测度函数,依据匹配置信程度实现自适应加权融合,形成联和测度函数。该联和测度函数可以将AD的单调性与Census的区域性有效结合,提升立体匹配算法的鲁棒性。通过实验测试,证明采用该联测度函数可以有效提高局部和全局匹配算法的匹配准确度,尤其是局部匹配算法。