基于多特征SAD-Census变换的立体匹配算法

视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute Differences,SAD)算法的计算精度。接着,基于Census变换改进二进制链码方式,将邻域内像素的平均灰度值与梯度图像的灰度均值相融合,进而建立左右图像对应点的判断依据并优化其编码长度。然后,构建基于十字交叉法与改进的引导滤波器相融合的聚合方法,从而实现视差值再分配,以降低误匹配率。最后,通过赢家通吃(Winner Take All,WTA)算法获取初始视差,并采用左右一致性检测方法及亚像素法提高匹配精度,从而获取最终的视差结果。实验结果表明,在Middlebury数据集的测试中,所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%,测量200~900 mm距离的平均误差小于2%;而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。

改进Census变换与特征融合的立体匹配算法

针对局部立体匹配算法匹配精度较低问题,提出一种改进Census变换与特征融合的立体匹配算法。首先,使用变换窗口的邻域像素信息代替中心像素,解决传统Census变换过度依赖窗口中心像素问题;其次,引入图像的颜色信息与梯度信息构建融合代价计算函数,提高初始匹配代价的可靠性;为建立邻域像素间联系,引入单向动态规划思想进行代价聚合;最后,提出一种基于八方向的视差空洞填充方法对视差图进行优化。实验结果表明:该算法在Middlebury数据集上的平均误匹配率为3.77%,优于其他改进Census变换方法,具有较高的匹配精度。

基于改进Census变换与分区域聚合的立体匹配

立体匹配作为三维重建的关键步骤之一,针对基于Census变换的立体匹配算法在视差不连续区域以及弱纹理区域匹配精度较差,且易受光照不均与噪声干扰的问题,提出一种基于改进Census变换与分区域聚合的立体匹配算法。在Census变换阶段令窗口中所有像素点根据灰度值大小进行降序排序,选取灰度值为中位数的像素点替代窗口的中心像素;然后进行Hamming距离计算得到结果,再加权融合亮度或光照差的绝对值;接下来将代价聚合阶段的图像通过梯度大小划分为边缘和平滑区域,分别使用十字交叉域完成初始代价聚合;最终采用WTA找到初始视差值,经过一系列视差优化步骤获得最终视差图。在MiddleburyV3.0版本的测试平台上对该算法进行评测,实验结果表明,总体像素的视差平均误差为8.26%,相较于AD-Census算法下降了2.95%,具有较高的匹配精度,且对光照及噪声有较好的鲁棒性。

基于阈值和权重Census变换的煤矿井下图像立体匹配算法

双目图像立体匹配是实现煤矿井下无人辅助运输车自主避障和视觉侦察的关键技术,但煤矿井下高粉尘、光照条件不稳定等因素会导致视觉传感器采集到的图像产生椒盐噪声,使得立体匹配的误匹配率很高。为此,提出一种基于阈值和权重相结合Census立体匹配算法,减少椒盐噪声对立体匹配影响。具体改进包括:①先对支持窗口内所有像素的灰度值进行阈值处理,去除支持窗口内灰度值极大和极小的像素点,解决异常值对加权融合的影响;②再将中心点对应的4条斜对角像素进行加权融合代替中心点像素,选择中心像素点4条斜对角线上的像素点,步长取1~3,根据对应的步长分别赋予0.7、0.2、0.1的权重,将这12个像素点中有效的像素点分别乘上对应权重,然后除以有效权重之和,得到经过加权处理后的中心像素点值,解决传统算法对Census变换窗口中心点依赖的问题,从而提高匹配精度。试验结果表明:基于阈值和权重Census代价计算全部区域的误匹配率相比传统Census算法降低了5.64%;相比基于均值Census算法降低了1.71%,且在不同噪声下全部区域的误匹配率相比传统Census算法降低了15.93%;相比基于均值Census算法降低了16.62%;而在非遮挡区域,算法的误匹配率相对于传统Census算法降低17.19%,相对于基于均值Census算法降低18.11%。所提出的基于阈值和权重相结合Census立体匹配算法有效的增强了抗噪声的鲁棒性,降低了误匹配率,提高了匹配精度。

基于改进Census变换融合AD立体匹配算法研究

在立体匹配算法中,针对Census算法对于图像深度不连续、弱纹理区域匹配精度低、易受噪声干扰的问题,提出了一种改进Census变换结合自适应窗口的方法,利用梯度信息实现窗口的自适应选择,并将灰度绝对值计算(Absolute Difference,AD)和改进后的Census变换相融合,提升了算法的精度和抗噪声能力,在代价聚合阶段,通过不同的自适应窗口提供不同的自适应阈值,最后通过赢家通吃的算法(WTA)进行视差优化,进而得到最终的视差图。利用该改进算法对Middlebury平台提供的标准图像进行实验表明改进后的算法误匹配率降低,并有很好的抗噪声能力。

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。

RANK变换在立体匹配中的应用研究

通过引入Rank变换,提出了一种基于新的匹配基元的双目立体匹配算法,该算法首先是将灰度图像转换为Rank图像,在此基础上进行匹配,并结合汉明码距离约束条件,减少误匹配率,最后得出视差图。通过对比实验,表明采用这种新的匹配基元进行匹配,与直接采用灰度特征作为匹配基元的算法相比,该方法有更好的抗噪性和匹配准确性。

基于自适应窗口和改进Census变换的半全局立体匹配算法

针对基于Census变换的立体匹配算法匹配精度不理想、易受噪声干扰的问题,提出一种自适应窗口结合改进Census变换的方法。通过自适应选择变换窗口大小,并在Census变换中引入噪声容限参数,且将其改进Census代价与RGB颜色差值代价加权融合,再采用四路径代价聚合策略完成初始代价聚合,最后用WTA算法计算初始视差后通过后处理优化得到最终视差。实验结果表明所提算法误匹配率较低,抗噪性能有较好提升。

基于动态自适应加权Census变换的立体匹配算法

为了解决匹配过程中在弱纹理区域的误匹配问题,提出了在不同搜索窗口下自适应加权的Census变换的立体匹配方法。采用Census变换得出搜索窗口内对中心像素影响不同的特异点,分别将邻域像素与中心像素灰度差值进行处理,得到搜索窗口内邻域特异点对中心像素的影响权重,使用权重值加权求和的方式代替计算汉明距离,得出初始匹配代价。为了增强视差图,采用4路径聚合方式与赢家通吃算法(Winner-take-all,WTA),利用子像素拟合、一致性检查、颜色信息加权中值滤波和视差填充等步骤优化视差。为了验证算法效果,将提出的自适应加权Census算法与ADSG、SGM、LPSM和SGBM2进行比较,在Middlebury 2014数据集上进行了测试实验。验证了所提算法的有效性,提高了匹配的准确率,视差图更加平滑、边缘清晰。

基于改进Census变换的双目立体匹配算法

针对传统Census变换窗口中心点灰度值易受噪声影响而导致全局匹配精度低等问题,设计了一种基于改进Census变换的双目立体匹配算法.首先采用双边滤波的模板值替代传统Census变换窗口中心点的灰度值,为了增强初始代价计算的可靠性,加入Sobel算子,将其与灰度绝对误差和算法的匹配代价进行代价融合;然后选择动态十字交叉域建立相邻视差的联系;最后运用赢家通吃策略选择最佳的视差,并采用左右一致性检测和引导滤波优化视差图.实验结果表明,在无噪声情况下,改进算法的平均误匹配率比传统Census变换的降低了约46%,含噪声情况下降低了约53%,说明改进算法有较好的匹配精度和抗噪能力.

匹配代价融合与分层迭代优化的半全局立体匹配

立体匹配是双目立体视觉中的核心步骤之一.在户外场景中,传统的立体匹配算法难以达到较高的匹配精度,并且边缘设备既要低成本又要高效率.针对实际应用中存在的上述问题,提出了一种改进的半全局立体匹配算法.首先,整体采用分层迭代的匹配策略,减少计算复杂度的同时可以提高立体匹配精度.其次,使用改进的代价计算方式使得初始代价更为准确.最后,使用并行优化加速计算.实验结果表明,该算法在KITTI2012和KITTI2015数据集上的误匹配率可以达到4.72%和6.04%,使用分辨率为1800×1500的图像测试效率,在256视差条件下,完全优化后的算法时间效率可以提高23.6倍.该算法可有效提高边缘CPU设备的立体匹配效率,并且视差图的误匹配率可以达到主流经典算法的水平.

一种基于Census变换的可变权值立体匹配算法

针对传统基于Census变换立体匹配算法精度不高的问题,提出了一种基于改进Census变换的可变权值立体匹配算法.在分析传统Census变换缺陷的基础上,提出利用最小均匀度子邻域均值代替中心像素灰度值进行Census变换,可有效增强算法的抗干扰能力.通过加权区域海明距离均值和标准差作为相似性测度进行立体匹配,减少误匹配,提高匹配精度并通过左右一致性检测和遮挡填充,生成最终视差图.实验结果表明,该算法鲁棒性得到增强,在深度不连续区域也可以得到准确的视差.

基于改进Census变换的立体匹配算法

针对基于传统Census变换的立体匹配方法精度不高的问题,提出一种基于坐标模板Census变换的立体匹配方法。该方法首先设计一个坐标为高斯分布的变换模板指导Census变换;其次,以Census变换结果之间的Hamming距离作为匹配代价求取初始视差,同时使用SSE4.2指令提高Hamming距离计算效率;再次,使用非局部代价聚合方法优化视差结果;最后,获得精度较高的视差图像。实验结果表明,该算法具有较好的匹配精度和较高的匹配效率。

基于改进Census变换的区域立体匹配算法

针对光照不均导致传统区域增长算法匹配区域小、误差大等问题,提出一种基于改进Census变换的双重约束匹配算法。用变换窗口灰度均值与局部纹理反差值之和代替中心像素灰度,提高了变换结果的抗噪性和不同子块间的区分度;采用高斯加权变换窗口提高离中心点近的像素点的权重,有效减小了边界不连续区域对匹配的影响。对Middlebury数据库里的图像添加仿真光照,并用其提供的真实匹配值计算验证算法的匹配精度。实验表明较传统算法有更高的匹配精度,且有效匹配点数明显增多。

一种新的非参数变换定义及立体匹配方法

提出了一种基于邻域差值的非参数变换立体匹配方法。该非参数变换方法是在图像中选定一个点,然后再找到与这个点水平方向相隔一定距离的一点,以这两个点为中心各选取一个窗口,比较两个窗口中对应像素的灰度大小差异,以这个差异值取代原图像的像素灰度值,这样产生的一个新的图像就是本文方法变换后的图像。将左右图像经过这种变换后,求变换后左右图像上点的匹配来产生立体视差。实验表明,在同等条件下,尤其存在噪声时,该方法与非参数rank变换和census变换比较,能得到更为准确的视差。

非参量变换在彩色图像立体匹配中的应用研究

随着彩色摄像机广泛使用,对彩色图像的视差匹配研究越来越普遍。研究显示,使用彩色图像匹配比灰度图像匹配精确度增加20%～25%。根据非参量变换原理,提出了基于非参量变换的彩色图像立体匹配算法,将Rank变换应用到彩色图像的区域匹配方法中,并采用census变换后的汉明码距离作为新的约束条件。实验表明提高了原来方法的抗噪性和匹配准确性。

邻域相关信息的改进Census变换立体匹配算法

针对传统Census变换在视差不连续区域和噪声干扰情况下误匹配率较高的情况,提出了一种利用邻域相关信息的改进Census变换立体匹配算法。根据邻域像素的相关信息,将传统的Census变换中像素与邻域像素的差异应用2位信息表示,使变换后的图像在视差不连续区域的信息表示更为丰富,同时减少噪声对匹配质量的影响。通过并行化自适应匹配代价聚合、亚像素插值、左右一致性约束、遮挡区插值,最终得到了稠密视差图。经Middlebury立体图片测试表明,该算法结构简单,复杂度低,具有较高的鲁棒性,有效地提高了匹配精度。

基于融合代价和优化引导滤波的立体匹配算法

现有局部立体匹配算法与全局立体匹配算法相比,计算量更小、速度更快,能达到实时匹配的要求,但存在误匹配率较高、视差结果精度较低等问题。提出一种新的局部立体匹配算法,依据像素梯度信息、像素梯度的平均值及标准差计算多指标梯度代价,使算法对图像局部结构的表达更加全面。根据像素的灰度差异程度划分等级,提出7等级编码的精细化Census变换匹配代价,以有效识别图像信息之间的细微差异,弥补Census变换在相似纹理区域精度较低的不足。将多指标梯度代价和精细化Census变换匹配代价按一定权重进行融合,形成初始匹配代价,从而充分发挥两种代价的优越性。在代价聚合阶段,对引导滤波的线性系数进行自适应优化,解决固定参数引起图像局部过于平滑或平滑不足的问题,并使用优化后的引导滤波模型进行代价聚合,改善代价聚合的效果。使用胜者为王算法计算视差获得初始视差图,最后通过左右一致性检测和加权中值滤波进行视差优化,得到更为理想的视差图。在Middlebury V3立体评估平台上的实验结果表明,所提算法在非遮挡区域的加权平均误匹配率为15.7%,与Cens5、IGF、ISM等算法相比具有较高的精度。

基于互相关信息的非参数变换立体匹配算法

针对传统的非参数变换立体匹配算法实时性不强和可靠性不高的局限性,提出一种基于互相关信息的非参数变换立体匹配算法.将变换窗口内所有像素的灰度值进行平均,然后将平均值作为中心像素的灰度值;为了在立体匹配时能够考虑像素间的互相关信息,将变换窗口各邻域与中心像素的相对位置大于一个单位的像素,其灰度值用双线性插值后的灰度值替代;将变换窗口的像素灰度值进行非参数变换立体匹配,得到致密的视差图.实验结果表明:与其他基于局部的单一立体匹配算法相比,该算法得到的误匹配像素百分比与其他算法相当,能够有效提高传统非参数变换立体匹配算法的鲁棒性.

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。