基于全连接神经网络和边缘感知视差传播的立体匹配算法研究

提出一种基于全连接神经网络和边缘感知视差传播(Edge-aware Disparity Propagation,EDP)的立体匹配算法。首先通过全连接网络获得初始的匹配代价,并利用胜者为王(Winner Takes All,WTA)算法生成初始视差图;然后进行一致性检测,对不一致视差点采用EDP和测地距滤波算法计算得到新的匹配代价和视差值,并填充初始视差图;最后,对填充后的视差图进行亚像素增强优化。实验数值表明,该算法能有效降低立体匹配的误匹配率,提高视差图精度,特别是在非闭塞区域有较低的误匹配率。

基于稳态匹配概率和边缘感知视差传播的立体匹配算法研究

提出一种由稳态匹配概率(steady-state matching probability,SSMP)和边缘感知视差传播(edge-aware disparity propagation,EDP)相结合的立体匹配算法。首先,基于SSMP求取初始视差图,通过一致性检测滤除错误视差点。然后,利用EDP算法、测地距滤波等策略对一致视差点进行计算,得到可靠匹配成本。最后,由可靠匹配成本通过胜者为王(winner takes all,WTA)算法逐像素优化填充到对应的不一致视差点,从而使视差图更精确。数值实验表明,该方法利用了正确的视差值来估计因遮蔽、噪声等原因产生的错误像素点的视差值,能有效提高匹配精度并得到较丰富的视差图细节,且结构简单,计算复杂度低。