论文部分内容阅读
立体匹配技术是当前计算机视觉领域内的研究热点和前沿问题,相较于基于结构光、飞行时间原理的主动式深度获取方式,这类被动式深度获取方式具有分辨率高、功耗低、成本低的优势,在航天、测绘、自动驾驶等领域得到广泛的应用。在立体匹配技术中,通常采用立体匹配算法获取场景的视差,并将视差用于场景深度的计算。在立体匹配算法中,基于图像滤波的匹配算法具有计算复杂度低、运行效率高的特点,其成为当今学界和业界研究的重点,但这类算法还存在最优窗口选择、弱纹理区域匹配性能较弱、小视差区域精炼性能受限等问题。为此,本论文针对上述问题开展了如下的研究工作:
1.针对基于引导滤波模型的立体匹配算法中存在的窗口选择问题,本文依据引导滤波及非局部渗透滤波原理,提出了一种基于渗透引导滤波模型的立体匹配算法,算法在引导滤波基础上利用空间及亮度差异构建非局部渗透滤波权重,同时利用分段函数改善引入非局部滤波带来的权重衰减异常现象。实验结果表明,相较于基于引导滤波的匹配算法,本文算法消除了窗口选择对匹配精度的影响,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.81%、1.25%。
2.针对基于图像滤波的立体匹配算法在弱纹理区域匹配性能较弱的问题,本文依据多尺度融合原理,提出了一种基于多尺度渗透引导滤波模型的立体匹配算法,算法实现了渗透引导滤波模型参数在三个尺度层上的有效融合,从而提升了弱纹理区域立体匹配的精确性。实验结果表明,相较于基于渗透引导滤波的匹配算法,本文算法可以有效改善弱纹理区域的匹配效果,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.72%、1.78%。
3.在立体匹配后处理视差精炼阶段,针对基于最小生成树滤波的精炼算法在小视差区域精炼性能受限的问题,论文提出了一种约束函数对匹配代价进行有效后处理,同时依据视差差异假设,提出了一种基于视差差异滤波模型的视差精炼算法。实验结果表明,相较于基于最小生成树滤波的精炼算法,本文算法能够有效提升小视差区域的精炼效果,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.20%、1.09%。
1.针对基于引导滤波模型的立体匹配算法中存在的窗口选择问题,本文依据引导滤波及非局部渗透滤波原理,提出了一种基于渗透引导滤波模型的立体匹配算法,算法在引导滤波基础上利用空间及亮度差异构建非局部渗透滤波权重,同时利用分段函数改善引入非局部滤波带来的权重衰减异常现象。实验结果表明,相较于基于引导滤波的匹配算法,本文算法消除了窗口选择对匹配精度的影响,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.81%、1.25%。
2.针对基于图像滤波的立体匹配算法在弱纹理区域匹配性能较弱的问题,本文依据多尺度融合原理,提出了一种基于多尺度渗透引导滤波模型的立体匹配算法,算法实现了渗透引导滤波模型参数在三个尺度层上的有效融合,从而提升了弱纹理区域立体匹配的精确性。实验结果表明,相较于基于渗透引导滤波的匹配算法,本文算法可以有效改善弱纹理区域的匹配效果,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.72%、1.78%。
3.在立体匹配后处理视差精炼阶段,针对基于最小生成树滤波的精炼算法在小视差区域精炼性能受限的问题,论文提出了一种约束函数对匹配代价进行有效后处理,同时依据视差差异假设,提出了一种基于视差差异滤波模型的视差精炼算法。实验结果表明,相较于基于最小生成树滤波的精炼算法,本文算法能够有效提升小视差区域的精炼效果,在Middlebury-v3数据集上的非遮挡区域、全区域的加权平均误匹配率分别降低了1.20%、1.09%。