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。

仓库三维重建系统中改进双目匹配SAD算法研究

利用双目立体视觉技术实现危险化学品仓库的三维重建是库内安全监测的有效手段,立体匹配是其中的重点和难点。提出一种利用加权SAD算法和灰度共生矩阵的双目立体像对稠密匹配算法,该算法对传统SAD匹配算法做出改进,引进服从二维高斯分布的加权系数求出初始视差图,然后结合灰度共生矩阵的4个纹理特征,利用图像纹理信息对空洞进行填充,得到了优化的视差结果。实验结果表明,该算法在标准数据集及仓库模型具有较好的适用性。

基于SAD算法的立体匹配的实现

利用FPGA并行性计算和合理的流水线设计完成了立体视觉中最核心的部分——立体匹配以及硬件结构,选取SAD区域立体匹配算法,利用补码来实现SAD算法,在算法流程中采用窗口并行和像素串行来完成。在获得视差图时,采用128×128图像对,窗口大小为3×3,视差为24,在系统时钟为50MHz情况下,实现了每秒425帧的处理速度,最后给出了视差图。实验证明,选用FPGA来实现立体匹配系统的设计是可行的,具有一定的鲁棒性。

一种基于自适应权重SAD与Census融合的匹配算法

立体匹配算法中的SAD算法与Census算法较为常用,本文分析了两种算法的特点,在改进SAD算法后,将其与Census算法融合,提出了自适应权重的SAD-Census算法。试验表明,与SAD算法和Census算法相比,该算法匹配效果更好,对实际场景拍摄图像的匹配也有较好的稳健性。

一种基于多权值SAD-Census立体匹配算法

在立体匹配算法中,局部立体匹配中最常使用的算法为SAD算法和census算法,文章通过分析两种算法的优点与缺点,并针对传统立体匹配精度较低这一问题,提出了一种基于多权值SAD-Census立体匹配算法。首先,先计算出传统SAD与传统census算法的匹配代价,再进行融合,在不同的自适应窗口中通过提供不同的权重从而进行聚合代价的计算。再通过利用赢家通吃算法以及一致性检测算法来进行视差优化和空洞填充,从而得到最终的视差图。实验结果表明,文章改进后的算法与传统SAD算法和传统census算法相比,缩短了运行时间,提高了匹配的精度,增强实验结果的鲁棒性。

基于色彩信息校准权重的融合代价算法

由于融合函数中的Census变换部分的代价计算取决于中心像素点的灰度值、易受光照和噪声影响,绝对误差和SAD代价函数不能利用图像色彩信息导致精度低等缺点,提出一种使用图像色彩信息来校正像素点代价值的Census变换和有权重的SAD代价函数相结合的局部立体匹配算法。在代价计算部分,使用改进SAD和Census变换的代价值结合,形成该像素点的融合代价值;在代价聚合部分,使用十字交叉域聚合的方法,得出结果后再进行迭代,可以得到精度更高的视差图。该算法通过引入邻域像素点的色彩信息,计算出权重以及色彩校正参数,然后对中心像素点的融合代价值进行优化,从而降低SAD-Census算法的误匹配率。实验结果表明,使用了色彩校正参数的改良SAD-Census算法,有效降低了图像的误匹配率,适用于色彩信息重复度不高的图像。

一种用于路面预瞄测距的融合Census-SAD算法

为解决传统SAD算法在基于半主动悬架的路面预瞄测距应用场景下匹配精度与测距精度较差的问题,首先对SAD视差窗口内中心像素周围像素点的权重重新分配,降低窗口边缘像素的影响;然后考虑到光照差异较大的场景引入Census变换,并采用子窗口灰度均值替代法增强其匹配鲁棒性,再将其与改进的SAD算法融合,最终形成融合CensusSAD算法。实验使用双目相机获取四种实际道路场景中的图像数据验证改进后的算法效果。实验表明融合CensusSAD算法的实时性有所下降但仍能满足要求,匹配精度比SAD算法高20%左右,在7m内融合Census-SAD算法测距精度比SAD算法精度要高3%左右。

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法。首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图。然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图。接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域。再利用边缘生长法对每一个连通域的视差进行恢复。最后,使用左右一致性检测方法对视差图进行优化。实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02%。

基于SAD的立体匹配算法研究

基于对双目摄像机获取的图像对进行立体匹配的目的,采用SAD算法,针对在匹配过程中模板图像易受待匹配图像中区域相似性较高的点干扰而造成错误匹配的问题,通过对不同的窗口大小进行实验,得到更适合本文的视差图。SAD算法作为匹配代价函数来进行评估两个图像块的相似度,得到的视差图具有较好深度感,为下一阶段的三维重建工作打下了基础。

融合边缘特征的SAD立体匹配算法

为保证SAD算法的立体匹配效率,提高匹配精度,提出一种融合边缘特征的立体匹配算法Edge-Gray.通过边缘计算得到边缘特征图,在进行匹配的过程中,根据当前点与领域点的差值确定匹配窗口大小和匹配源图,在此基础上进行视差优化得到视差图.实验结果表明,与传统的SAD算法相比,Edge-Gray算法的平均误匹配率较低,对于边缘较多的Cones图像立体匹配效果较好,其误匹配率可降低10.52%.

改进型SAD-Census变换算法在双目测距中的应用

针对双目测距系统中传统Census变换算法对中心像素点依赖性过大、代价计算耗时长等问题,提出一种改进型Census变换与绝对误差和(sum of absolute differences,SAD)相结合的算法。在中心像素周围选取固定的8个像素点,按照顺序两两比较像素值得到一个字节的比特串,由归一化处理将Census与SAD的初始代价统一为对应支持窗口的初始代价,得到对应的视差图进而测出距离;采用C++语言在Visual Studio2017集成环境下进行开发实验,验证改进型SAD-Census变换算法的有效性。结果表明:本文算法对高像素与低像素图像代价计算耗时随支持窗口的增大分别稳定在6.0,0.2 s,为AD-Census算法、传统Census变换及SAD算法耗时的1/5,1/4,1/3,立体匹配速度有较大提升;在被测物距摄像头光心800~2950 mm时,采用本文算法得到的距离与实际距离相对误差绝对值小于5%,精度满足测距要求。

改进的SAD-Census立体匹配算法研究

在实际的三维工件测量环境中,外界光照、噪声均会对立体匹配结果产生巨大影响,从而影响最终三维重构的结果。本文提出了一种基于自适应权重的SAD-Census立体匹配算法,首先对Census立体匹配算法进行了改进,然后将代价聚合中构建的十字代价聚合区域最小臂长与空间阈值和颜色阈值的比值作为权重,融合SAD立体匹配算法和改进后的Census立体匹配算法计算视差图。最后通过对Middlebury立体匹配测试平台提供的标准图像对进行测试。测试结果表明,改进后的Census立体匹配算法具有更好的鲁棒性、在弱纹理区域匹配精度更高,基于自适应权重的SAD-Census可以得到准确的视差图。

一种有效的匹配准则及块匹配算法

运动估计和补偿预测编码是视频编码标准中的一项关键技术,其核心问题在于块匹配的准确性。因此,寻找一种合理有效的块匹配准则是很必要的。传统的匹配准则是SAD,但该准则不能完全保证在满足SAD最小的情况下获得较低的编码比特率。因此,本文提出了一种改进的SAD匹配准则,提高了匹配的精确性和准确性,更加能够表示块的相似程度,并给出了基于准则的块匹配算法。结合H.264/AVC视频编码标准的参考软件jm10.1,本文对运动估计部分采用了新的匹配准则,并进行了仿真测试。实验结果表明,在视频预测编码中,本文提出的块匹配准则可以更好地保证视频质量,提高压缩编码性能,而编码复杂性增加相对不大。

基于邻域加权与RGB色彩分量的图像匹配算法

为了提高彩色图像的立体匹配精度,结合格式塔心理学和像素的色彩信息,提出了一种基于RGB色彩空间的改进误差绝对值累积匹配算法(SAD)。首先,通过相似性和邻近性规则获取邻域窗内的像素权值,并同预先生成的线性查找表相结合来加快权值的计算速度。然后,利用RGB色彩分量的像素分布特点,生成对应的分量权值,来进一步增强匹配代价函数的稳定性。经实验验证表明,改进后的匹配算法较灰度SAD及标准彩色SAD算法在精度上有明显的提高。

蚁群优化在超声图像运动矢量估计中的应用

为了在超声图像序列中找到稳健的运动矢量,提出将运动矢量估计的块匹配法表示为蚁群优化.序列方向上的运动矢量平滑约束和局部区域运动矢量相似性被表示为蚁群优化的残留信息浓度而不断更新,而相应两区域块的绝对差值和(SAD)被表示为蚁群优化的启发值来驱动蚁群.利用C++和ITK对提出的算法进行了实现,使用颈动脉超声图像序列进行了实验验证.结果较为理想,证明了新方法的可行性.

着陆避障中双目立体匹配方法与仿真

在着陆避障过程中,利用双目相机拍得的图片进行立体匹配得到稠密的地形高程图是一种有效的方式.文中对绝对误差之和(sum of absolute differences,SAD)、全Census变换以及稀疏Census变换立体匹配方法原理进行说明,针对SAD算法无法处理左右图像亮度不一致的情况提出了对匹配窗口进行灰度规范化以及加入LOG滤波的改进措施,并且对上述方法分别应用数据库图像和沙盘拍图进行仿真测试及比较,从匹配错误率和实时性的角度分析各算法在地外星体着陆这种特殊场景中的使用性能.

一种改进的彩色图像匹配算法

首先比较了彩色图像不同匹配策略下视差的精确率,并采用了匹配效果较好的策略。同时针对彩色图像的特点,加入色差梯度的约束条件,使用SAD算法实现了彩色图像的匹配,最后通过对比试验进行了验证。试验结果表明该方法有更高的匹配精确性和正确率。

一种改进的区域双目立体匹配方法

双目立体匹配是机器视觉中的热点、难点问题。分析了区域立体匹配方法的优缺点,提出了改进的区域立体匹配方法。首先,采集双目视觉图像对对图像对进行校正、去噪等处理,利用颜色特征进行图像分割,再用一种快速有效的块立体匹配算法对图像进行立体匹配。然后,在匹配过程中使用绝对误差累积(SAD)的小窗口来寻找左右两幅图像之间的匹配点。最后,通过滤波得到最终的视差图。实验表明:该方法能够有效地解决重复区域、低纹理区域、纹理相似区域、遮挡区域等带来的误匹配问题,能得到准确清晰的稠密视差图。

基于改进绝对差值代价和动态窗口的立体匹配算法

针对传统的SAD局部立体匹配容易引起幅度失真、存在匹配窗口大小选择困难等问题,提出一种改进SAD局部立体匹配算法。首先在传统的SAD算法的基础上,提出利用像素灰度间欧氏距离的大小关系代替像素差值作为相似度量函数,很好地利用了邻近像素灰度值之间的连续性约束;在极限约束条件下,提出引导滤波器的动态匹配窗口的建立,能够很好地保持边缘特性;最后经过左右一致性检测策略来检测匹配异常点,再进一步平滑去噪,求得最终的视差图。实验结果表明,本文算法效率高、匹配精度高,对光照失真条件和边缘信息较多、深度不连续区域具有更好的鲁棒性。

小型无人机动平台的双目立体匹配方法研究

针对双目立体匹配中存在的误匹配、视差场稀疏等不足,提出了一种将区域匹配和特征匹配相结合的块匹配算法。对匹配图像对进行极线校正和限定搜索区域,采用SAD算法进行相似度测量。对小型无人机动平台的双目系统采集的任意一幅图像对用不同大小的匹配窗进行匹配。对结果进行了分析,结果表明了该方法的良好效果及实用性。