基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.

一种基于自适应窗口和图切割的快速立体匹配算法

提出了一种新的快速立体匹配算法。该算法根据图像边缘特征自适应地变化窗口,并采用灰度差平方和(SSD)作为相似判定准则计算初始视差图;通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项;最后采用图切割算法求取使全局能量最小的视差最优分配。用标准图像测试了所提出的方法,并与其他方法进行了比较。实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法能较好地处理大的低纹理区域和遮挡像素的优点,而且匹配时间短,运行时间比原有算法缩短了约2/3。

改进的基于图像分割的立体匹配算法

提出一种立体匹配算法.首先采用均值平移算法将参考图像根据彩色信息快速聚类成不同区域;然后通过灰度差平方和匹配计算初始视差图;在构造能量函数时,将分割结果作为视差函数的一个参考项;最后采用图切割算法求取使全局能量最小的视差最优分配.通过标准图像对进行测试,并与其他算法进行了比较.实验结果表明,与原有算法相比,该算法可有效地处理大的低纹理区域,匹配精度高,更有利于估计视差图的边界.

基于图像分割的立体匹配算法

基于马尔可夫随机场(MRF)的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性(平滑)约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。

LYTRO相机光场图像深度估计算法及重建的研究

光场相机目前已广泛应用于消费领域和工业应用领域,利用光场相机对目标物进行深度重建成为了一项重要的研究课题。在实际研究过程中,Lytro相机空间信息与角度信息复用于同一传感器,导致图像分辨率较低,从而使得重建效果不甚理想。为解决这一问题,提出了一种亚像素精度的光场图像深度估计方法,在频率域对子孔径图像进行多标签下的亚像素偏移,以中心视角图像为参照,建立像素匹配代价行为;使用引导滤波抑制噪声的同时保持了图像边缘;对多标签下的匹配代价行为进行优化,得到精确的深度估计结果。对目标深度图进行表面渲染、纹理映射等重建处理,得到较为精细的重建结果。实验结果表明,该算法在对复杂度较高的物体进行重建时,解决了重建模糊等问题,有较好的表现。

基于特征约束及区域相关的体视匹配方法

立体匹配是计算机视觉领域的一个关键问题,同时也是难点问题。为了得到准确的高密度视差图,通过对基于区域和基于特征的体视方法的讨论,综合两种方法的优点,提出了基于边缘特征约束及区域相关的立体匹配算法。该方法首先利用基于特征技术来得到边缘特征点,对边缘特征点再做灰度等区域相关匹配处理,然后在匹配的边缘特征点约束下,对非边缘特征点采用区域相关算法进行匹配,得到整体高密度视差图。这样既缩小了匹配搜索空间,又保证了匹配的可靠性。实验结果表明,该算法具有良好的效果和实用价值。

采用邻域差值特征模板的立体匹配方法

提出了一种基于邻域差值特征模板的立体匹配方法。该方法通过计算一幅图像中间隔一定距离的两点的像素邻域差值作为特征模板,再计算另一幅图像中在同一扫描线上间隔同样距离的像素邻域的差值,将它与特征模板的偏差作为匹配标准,偏差最小的点就认为是匹配点。在同等条件下,与区域相关法相比,该方法能够将运算的速度提高3倍,且同样能够得到精确浓密的视差图。实验证明,该算法结构简单,易于实现,能够处理复杂的场景,具有良好的实验效果和实用价值。

基于视差图优化的立体匹配算法研究

传统的立体匹配算法通过计算两幅图像的像素点相似程度,从而找到左图像素点和右图像素点的对应关系,常采用的是一种局部最优的方法,所以其匹配精度很低。为了提高精度,当前策略主要是将问题转化为求解能量方程,进而来对全局空间进行优化。从一个新的角度即视差图优化来研究能量方程的求解,通过对扫描线算法、动态规划算法和图割算法深刻讨论来分析算法原理与运行图,从而理解各算法优缺点形成本质与问题转化的依据,可以进一步的改进其不足,为研究新的算法打下基础。

SIFT特征点引导的区域立体匹配算法

根据SIFT特征对旋转、尺度缩放、亮度变化保持不变性的特点,提出基于SIFT特征和边缘特征点的区域匹配方法。该方法确定符合SIFT特征的边缘为可靠特征点,并确定其视差;根据视差梯度原理确定其他点的视差,最后生成稠密的视差图。实验结果表明,SIFT特征的引入,提高了特征点视差的准确性,一些弱纹理区的匹配也有所改善。

改进的基于α扩展移动的立体匹配算法

针对传统的α扩展移动立体匹配算法计算时间过长的问题,提出了一种改进的α扩展移动算法。改进算法在α扩展移动的外部循环过程中建立了一种新的循环机制,构造的参数满足循环停止的条件时提前停止循环,节省大部分低效率的循环时间;在算法的内部迭代过程中优化了α的设定顺序,使得能量函数更快地收敛。实验结果表明,改进的算法可以与原始算法获得几乎一致的精确视差图,并大大缩短了算法的运算时间。

采用色彩相似性约束的图割立体匹配

提出一种改进的图割立体匹配算法,利用RGB颜色空间模型,采用色彩相似性约束进行立体匹配.在匹配算法中,采用色彩差的平方作为原始匹配代价,建立能量函数.构建图网络,利用图的网络流理论得到能量函数的最小值,进而获得匹配的视差数据,从而实现对彩色图像的直接匹配.实验表明:本文算法可以生成精度较高的视差图,是一种有效的立体匹配算法.

一种基于图割理论的快速立体匹配算法

针对传统的立体匹配算法中存在的低纹理区域和遮挡区域匹配精度低、实时性不好等问题,提出了一种基于图割理论的立体匹配算法。把图像分割成色彩单一的不同区域;计算初始视差图,利用可靠点求取各分割区域的平面模板参数,对模板参教相同的相邻区域进行融合;构造全局能量函数,采用图割算法求取全局能量最小的视差最优分配。实验结果表明,该算法对低纹理区域和遮挡区域均有较好的匹配结果,能够满足高精度、高实时性的要求。

基于控制点约束及区域相关的立体匹配算法

立体匹配是计算机视觉的关键问题.为了得到准确匹配的稠密视差图,通过对基于特征和基于区域立体匹配算法的讨论,结合这两种算法的优点,提出一种新的基于控制点及区域相关的立体匹配算法.该方法首先在利用Harris角点检测算法检测出角点的基础上,对角点进行立体匹配得到精确的匹配点对即控制点,然后在控制点的约束下对非角点像素进行基于区域相关的立体匹配,得到整体稠密的视差图.这样既缩小了匹配搜索空间,又保证了匹配的可靠性.

基于控制点约束及区域相关的立体匹配算法

立体匹配是计算机视觉的关键问题。为了得到准确匹配的稠密视差图,通过对基于特征和基于区域立体匹配算法的讨论,结合这两种算法的优点,本文提出了一种新的基于控制点及区域相关的立体匹配算法。该方法首先在利用Harris角点检测算法检测出角点的基础上,对角点进行立体匹配得到精确的匹配点对即控制点,然后在控制点的约束下对非角点像素进行基于区域相关的立体匹配,得到整体稠密的视差图。这样既缩小了匹配搜索空间,又保证了匹配的可靠性。

基于无人飞行器图像的地面目标高度测量研究

提出了一种基于测量视差图的图切(graph-cut,GC)无人机立体图像匹配算法,利用数字表面模型方法进行地面目标高度测量。并将全局和局部立体匹配算法的结果等与其他算法进行了比较。所提出的解决方案引入并集成了排序约束以及用于GC算法的子模块能量最小化函数以增强性能。针对多个目标(以输电塔为例)的不同剪裁图像,并针对地面真实数据测量了所有参数的灵敏度和召回率。结果表明,与现有方法相比,所提出的模型表现更准确。

一种改进的快速立体匹配算法

提出了一种改进的快速立体匹配算法。对于双目视觉系统采集的2幅图像,首先采用区域匹配算法进行初始快速立体匹配,再采用左右一致性检验剔除误匹配点,得到立体匹配的初始视差图。然后将初始视差作为图割法构图的限制条件,对初始视差图进行二值分割。最后对分割获得的前景区域和背景区域施加不同的限制,并通过修正能量函数,使构图网络大大减小,从而进一步提高了匹配速度。试验结果表明,该算法既提高了立体匹配速度,又保证了匹配精度。

新的单目立体视觉的视差图的获得方法

在立体视觉中,视差间接反映物体的深度信息,视差计算是深度计算的基础。常见的视差计算方法研究都是面向双目立体视觉,而双焦单目立体视觉的视差分布不同于双目视差,具有沿极线辐射的特点。针对双焦单目立体视觉的特点,提出了一种单目立体视差的计算方法。对于计算到的初步视差图,把视差点分类为匹配计算点和误匹配点。通过均值偏移向量(Mean-Shift)算法,实现了对误匹配点依赖于匹配点和图像分割的视差估计,最终得到致密准确的视差图。实验证明,这种方法可以通过双焦立体图像对高效地获得场景的视差图。

基于四维光场数据的深度估计算法

基于光场数据的四维结构信息,提出一种具有像素级精度的深度估计算法,为三维表面重构提供精确的深度信息.首先,由光场数据中视差与视点位移的等比关系,给出基于光场数据的区域匹配算法,得到初步视差图.其次,基于区域匹配的误差来源建立新的置信函数,对误匹配像素进行分类并优化,得到高精度的深度图.采用公开的HCI标准光场数据和实拍的光场数据进行了算法验证和成像精度评测.结果表明,与已有的算法相比,新算法具有更好的计算精度,在平滑区域和边缘遮挡区域有较好效果.

基于动态规划与图像分割的立体匹配算法

针对传统图割立体匹配算法耗时太长以及动态规划立体匹配算法匹配精度不高,且视差图带有条纹瑕疵的问题,提出了一种基于动态规划和图像分割的立体匹配算法.采用自适应多阈值图像分割算法对参考图像进行高效可靠的区域分割,提取边界,使用多种子点动态规划算法精细求取边界上点的视差,并以区域为单元用图割立体匹配算法求取区域内各点的视差,拟合得到图像对的视差图.通过对比,实验结果表明:此算法较传统图割法匹配速度有明显提高,且可以得到匹配精度较高的稠密视差.

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。