采用自适应平滑约束的立体匹配方法

平滑约束是消除对应点匹配歧义性的最常用的约束之一,如何有效地保持视差图的非连续区域是使用该约束时所需考虑的重要问题.为此提出了一种采用自适应平滑约束的立体匹配方法,使得平滑项的大小随图像局部二维结构的不同而相应变化.首先获取一系列真实场景的彩色图像和对应深度图来构建实例库;然后对其进行分析统计,得到给定局部二维结构时对应于几何连续表面的条件概率;最后根据该条件概率由当前输入图像局部的具体内容来确定自适应的平滑项权值.通过将其添加到经典的基于图割的立体匹配方法中,证明了该平滑项定义方式的有效性.

基于信任度传播的体视算法

针对信任度传播算法计算量大及误匹配率高的问题,提出一种高效的计算稠密视差图的全局优化算法.首先,根据像素匹配代价的特点、视差不连续亮度变化的特征,定义具有适应性的数据约束和平滑约束,并对平滑约束进行分层调节后执行消息的传输.其次,讨论消息传输迭代过程中的冗余计算问题,通过检测消息的收敛性减少运行时间.最后,分析信任度传播算法中的误匹配问题,通过匹配的对称性检测遮挡,并提出重建数据项后,利用贪婪迭代法优化所得视差图,将图像中可靠像素的视差向不可靠像素扩散.实验结果表明,该算法能以较快的速度计算出更理想的视差图.

一种基于自适应权值的立体匹配方法

提出了一种新的自适应权值的立体匹配方法,在匹配中无需逐像素确定其支持窗口的尺寸。首先根据像素间的相似性和邻近性对匹配窗口内每一像素的支持权值进行调整,使与待匹配点位于同一区域的像素权值增大,然后在匹配的代价函数中引入视差平滑性约束项,从而获得最终视差。在Middlebury提供的标准图像上进行了测试。实验结果表明,该方法可以获得良好的视差图。

一种基于边缘约束迭代的非局部立体匹配算法

针对立体匹配算法在图像非遮挡区域,尤其是弱纹理区域匹配精度较低的问题,提出一种基于边缘约束迭代的非局部立体匹配算法。该算法结合颜色和梯度信息构建匹配代价计算函数;根据左右目图像分别构建最小生成树,结合图像平滑度对代价函数值进行代价聚集,并对赢者通吃策略得到的视差图进行边缘检测,将图像边缘作为约束性条件对代价值再次进行代价聚集以优化结果;最后通过视差求精得到稠密的视差图。实验结果表明,在Middlebury测试平台上该算法对31组标准图像对中非遮挡区域的平均误匹配率为8.35%;与其他5种方法比较可知,本文算法有效提高了非遮挡区域匹配的准确度。