基于垂直性约束的动态规划立体匹配算法

针对传统的DP算法存在条纹瑕疵,提出了一种改进的垂直性约束动态规划立体匹配算法,通过利用扫描线间的相关信息来约束动态规划过程,使得处理每一条扫描线时都能充分利用以前扫描线的匹配信息.实验结果表明,该算法可以明显地消除传统DP算法的视差图的条纹瑕疵,匹配精度高,而且执行时间短.     

一种基于边缘分割的全局立体匹配算法

匹配基元的选取对立体匹配的视差计算精度与立体匹配的速度有着重要影响.首先提出了一种利用边缘分割扫描线所得到的线段作为匹配基元的方法,采用基于动态阈值的Canny检测算子提取边缘,将扫描线分割为线段,使得分割线段的长度可以根据图像的状况进行调整,从而在保证视差计算精度的同时有效地提高了速度.另外,以分割后的线段作为结点构建生成树(ST),使用树型动态规划算法计算基元的视差值,通过增加扫描线之间的约束,从而得到全局最优视差.实验表明这种算法具有较高的视差计算精度和较好的实时性.     

基于结构特征的全局立体匹配算法

针对传统动态规划立体匹配算法会在边界区域产生明显条纹状瑕疵的问题,提出了一种基于结构特征的全局立体匹配算法。该算法在提出了结合图像局部灰度特征和图像纹理结构特征的基础上,构建了基于证据理论的多重判据,并以之作为相似性测度函数。然后结合Sobel算子、双边滤波和Canny算子提出了自适应图像边缘提取算法,对于图像边缘像素,放宽视差搜索范围,降低了边界处误匹配率。最后基于扫描行间约束,引入了行列双动态规划立体匹配算法,同时将视差搜索范围限制在一定范围内,以提高算法效率。实验表明,该算法可以有效降低视差图在边界区域的误匹配率,减少条纹瑕疵,提高图像匹配质量。     

一种基于图像分割的动态规划立体匹配算法

本文提出了一种基于图像分割的动态规划立体匹配算法。此算法首先利用MeanShift图像分割算法对左右图像对进行分割处理,从而得到分割域的深度范围约束;然后结合窗口匹配及可信度约束得到地面控制点;综合地面控制点和其所属分割域的深度一致性关系可以有效剔除部分不可信点;以地面控制点和分割域作为约束信息,对动态规划的数据能量项和遮挡能量项加入分割域关系约束,利用动态规划算法得到最终视差图。实验结果表明,该算法可得到较好的视差结果。     

基于方向因子的多约束QoS路由优化蚁群算法

提出了一种解决多约束QoS路由问题的基于方向因子的蚁群改进算法OACA.该算法基于方向因子来调整蚂蚁的搜索行为,并根据目标函数值来调整信息素的更新,从而保证搜索的快速有效性,使多约束QoS路由优化问题得到了很好的解决.     

一种基于Integral Imaging和多基线立体匹配算法的深度测量方法

Integral Imaging(II)是一种能够记录和显示全真三维场景的图像技术.该技术采用微透镜阵列记录空间场景,空间任意一点的深度信息只需通过一次成像即可直接获得.本文研究结合多基线立体匹配算法采用II直接获取物体空间信息的方法.其结果既可为下一代基于II的三维电视图像的数据处理提供应用基础,同时也可望应用于开发新型的深度测量工具.     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

一种基于梯度增强的立体匹配算法

立体匹配是深度图获取的一个关键技术,传统的立体匹配使用的图像分割方法会对图像边界造成一定的破坏,为提高深度图边缘的准确度,提出了一种基于梯度增强的立体匹配算法。首先通过梯度算子对参考图像和目标图像进行预处理,增强图像边界的鲁棒性,然后采用mean-shift图像分割算法对图像进行区域分割,对分割得到的区域使用自适应块匹配法进行立体匹配,最后采用均值滤波对图像进行后处理,得到最优的视差平面。实验结果证明该算法在图像边界的匹配精度上得到了比较满意的效果。     

一种改进的基于BP的立体匹配算法

作为立体视觉关键技术之一的立体匹配,一直都是视觉领域研究的热点和难点。本文提出了一种基于分割区域的BP立体匹配算法。首先对于输入图像对进行mean-shift分割,对于初始视差图,利用交叉检测,将分割区域分为可靠和非可靠区域。基于此区域信息,利用BP算法对初始视差进行优化。实验结果表明,采用本文改进的BP算法,可以获得精确度更高的视差图。     

一种基于彩色图像分割的立体匹配算法

提出了一种新的立体匹配算法.首先采用均值漂移算法将参考图像根据彩色信息快速聚类成不同区域;然后根据变窗口算法计算的匹配点,把分割区域分为可靠区域和不可靠区域,计算可靠区域的模板参数;最后在全局评价函数中加入遮挡约束,通过贪婪算法把可靠区域的模板分配给不可靠区域使得全局评价函数取到最小值.实验结果表明,该算法可较好地处理大的低纹理区域和遮挡像素,匹配精度高,克服了基于局部算法中存在的边界模糊.     

基于多方向边界匹配的视频误码掩盖算法

视频压缩码流对于信道误码十分敏感,可能导致重建图像质量严重下降.误码掩盖技术利用图像在时间和空间上的相关性,可以有效地降低误码对视频图像的影响.文中提出了一种基于多方向边界匹配的时域误码掩盖算法.该算法能更精确地恢复错误宏块的运动矢量,从而获得比传统的时域掩盖算法更好的视频质量.     

一种基于区域颜色信息的宽基线立体匹配算法

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.     

一种基于邻域支持准则的双层立体匹配算法

本文给出一种基于邻域支持准则的双层立体匹配算法，该算法以LOG边缘检测器输出的边缘点为匹配基元，利用图象相关特性和匹配相容性约束构成两层匹配系统．第一层以反映图象灰度统计特性的局部相关约束为准则．第二层以第一层输出为引导，从图象结构和视差相容方面寻求全局意义上的最佳匹配，从而使系统对复杂场景有较好的自适应性．实验结果表明，该算法结构简单，稳定可靠，具有处理复杂场景的能力．     

基于二进小波变换的多分辨率立体匹配算法

本文将近年来兴起的小波理论应用于双目立体觉技术，提出了一种新的立体匹配算法。该算法以二进小波变换的多分辨率零交叉为匹配基元，综合利用了小波变换零交叉的特征属性和强有力的匹配约束，从零交叉局部属性相似和全局匹配相容两个方面解决模糊匹配问题。整个系统采用一种新的的由精到细引导的多分辨率匹配结构。实验结果表明，该算法结构简单，稳定可靠，具有较好的自适应性和处理复杂景物的能力。     

基于多任务学习的立体匹配算法

引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。     

基于颜色变化信息的局部立体匹配算法

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。     

改进自适应加权的局部立体匹配算法

针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法.在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图.实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6％,在深度不连续处的误匹配率降低了5％,边缘细节毛刺明显减少.