共查询到20条相似文献,搜索用时 15 毫秒
1.
本文主要针对传统的局部匹配算法中的遮挡区域和重复区域、不连续区域的精度不高问题,提出了一种基于遮挡信息和颜色变化约束的局部匹配算法。首先,提出一种基于颜色变化约束的区域生长算法来提高权重因子的准确性,有效提高不连续区域、重复区域和低纹理区域的匹配精度;接着针对遮挡区域难匹配问题,提出通过降低遮挡像素点的权重影响来提高支持聚合的思想;最后结合生成的区域和遮挡点对权重因子进行分类,最终生成视差图。实验结果表明,该算法能有效提高重复区域、边缘区域和遮挡区域的匹配精度,与当前主流算法具有可比性。 相似文献
2.
3.
4.
5.
6.
基于颜色内相关和自适应支撑权重的立体匹配算法 总被引:1,自引:0,他引:1
立体匹配的关键问题是确定一个合适的匹配代价关系,颜色内相关作为像素点的固有特性,能够有效地反映出匹配像素点间的微小差异。对传统的自适应支撑权重(ASW)方法进行改进,提出了一种基于颜色内相关和自适应支撑窗口的立体匹配算法,该方法结合了颜色相似性、欧式距离相似性和颜色内相关相似性来确定匹配窗口内像素点的权重大小。同时为了消除光照不同对图像匹配结果的影响,将匹配点先进行rank变换后再进行匹配代价关系计算。对计算出的初始视差图进行三步优化,剔除由图像遮挡、重复等引起的不同视差错误,从而得到最终的视差结果。通过在Matlab软件平台上对国际标准图像进行测试,实验结果表明该方法得到的视差结果的平均错误率低,且明显优于其他局部匹配方法,具有很强的稳健性和较低的误匹配率。 相似文献
7.
针对传统局部匹配算法在斜面场景匹配中所表现出的阶梯效应,提出了一种基于最优斜面参数估计的局部立体匹配算法。该算法首先为每一个像素随机地分配一组斜面参数,然后以新的斜面参数所定义的支撑域下当前像素的匹配代价是否减小为准则,迭代地进行斜面参数的邻域传播-单点优化过程,并最终使得计算结果收敛到最优斜面,同时估计得到稠密的亚像素级视差。通过对典型斜面场景图像和Middlebury 标准测试图像对的匹配实验表明,文中算法在将对普通场景的匹配效果保持在当前先进水平的同时,对斜面场景的匹配消除了阶梯效应,且匹配率代表了局部匹配的先进水平。 相似文献
8.
9.
10.
11.
为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。 相似文献
12.
13.
针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。 相似文献
14.
立体匹配技术是立体视觉研究领域的难点,利用图像的特征信息解决对应问题是研究的热点.本文在提取基于边缘仿射不变区域检测器的基础上,设计了基于区域颜色信息和几何信息的彩色图像立体匹配算法.该算法首先对所提取的不变区域进行颜色空间量化,在此基础上根据两种色彩之间的距离进行色彩聚类,然后计算直方图的二次距离,并进行相似性度量,最后根据区域间几何性质进行误匹配剔除.实验证明,该算法能降低解决对应问题的复杂性,提高正确匹配率.该方法对于目标识别、三维重建、非接触测量等研究均具有重要的意义. 相似文献
15.
16.
针对PatchMatchStereo立体匹配算法在实现倾斜平面时,因使用随机函数生成平面参数而导致算法计算量大且误匹配率高的问题,提出一种基于局部一致性约束的立体匹配算法。首先,通过对图像中的像素进行稀疏匹配获得视差置信度高的支撑点;其次,利用三角剖分为图像内各像素点确定一个三角平面,计算平面参数并分配给该平面内的点;然后,通过迭代传播为每个像素点找到更加准确的平面参数,构建出局部一致性平行窗口模型;最后,通过平面参数计算视差值并通过视差后处理优化视差。本文算法在Middlebury评估平台第三版标准测试数据集上进行实验,实验结果表明,处理后的平均误匹配率比PMS算法降低了4.39%,其中对单个图像的误匹配率最高降低15.42%。本文算法在降低误匹配率的同时提高了图像处理的效率,相较于其他算法具有显著的优越性。 相似文献
17.
18.
19.