自适应区域划分立体匹配算法

针对现有立体匹配算法在弱纹理区域及深度不连续区域匹配精度低的问题,提出一种基于自适应区域划分的立体匹配算法。首先,利用十字交叉域算法获取像素点臂长,计算像素变化率完成区域划分。然后,通过绝对差算法,改进Census变换和自适应加权梯度算子计算初始代价卷,利用十字交叉域进行代价聚合,对聚合后图像通过改进引导图滤波优化,使用赢者通吃策略筛选最优视差。最后,利用左右一致性检测、迭代区域投票、视差填充优化和中值滤波得到最终视差图。在Middlebury测试平台上测试结果表明,所提算法平均误差率为4.21%,能够有效提升在弱纹理区域及深度不连续区域的匹配精度。

基于高斯拉普拉斯算子的加权引导图滤波立体匹配算法

提出了一种基于高斯拉普拉斯(LoG)算子的加权引导图滤波立体匹配算法。采用加权绝对差与梯度相融合的方式计算匹配代价。利用基于LoG算子的引导图滤波进行代价聚合,使惩戒参数能够随图像中的不同纹理区域进行自适应调整。使用赢者通吃(WTA)策略计算视差,并采用二次插值法得到最终的视差图。对Middlebury平台中的图像进行测试,结果表明,所提算法的平均误匹配率为4.32%。该算法可以有效地兼顾图像的高纹理区域和低纹理区域,并降低了视差图的误匹配率。