基于雙目視覺(jué)的稠密立體匹配算法研究.pdf

1、本文在了解雙目立體視覺(jué)系統(tǒng)理論的基礎(chǔ)上，圍繞基于特征的立體匹配算法和基于窗口的立體匹配算法展開研究，重點(diǎn)探討了如何改進(jìn)雙目立體匹配方法的視差結(jié)果，以及如何改善距離計(jì)算方法。針對(duì)立體匹配算法難以獲取精確的視差搜索范圍、計(jì)算量大、匹配率低等問(wèn)題，本文主要提出了兩種改進(jìn)算法：
　　(1)結(jié)合SIFT特征提取、EMD算法和基于窗口的匹配技術(shù)的優(yōu)勢(shì)，提出了一種改進(jìn)的基于窗口的稠密立體匹配算法。首先，利用SIFT算法能獲得非常魯棒的局部特征、

2、捕獲圖像中最重要的特性的優(yōu)勢(shì)，以及EMD方法能白適應(yīng)、高效地分析非線性和非平穩(wěn)信號(hào)，且能將信號(hào)分解為不同頻率的特性，提出了一種結(jié)合SIFT和EMD的局部特征檢測(cè)算法。在對(duì)圖像進(jìn)行特征提取的基礎(chǔ)上，通過(guò)特征匹配和極線約束得到更精確的匹配點(diǎn)對(duì)，以此獲得了更精確的初始視差搜索范圍；其次，在新的塊匹配策略和修正的匹配代價(jià)函數(shù)下，使用改進(jìn)的視差可信度函數(shù)或加權(quán)能量函數(shù)獲取稠密精確的視差圖。實(shí)驗(yàn)結(jié)果表明，結(jié)合SIFT和EMD的特征檢測(cè)算法比傳統(tǒng)的S

3、IFT特征檢測(cè)方法有更高的精確度，能更貼近于實(shí)際需求的視差搜索范圍。而且，利用改進(jìn)的基于窗口的稠密立體匹配算法獲得的視差結(jié)果比其他局部立體匹配算法【72,73,75-79】和基于能量的算法【72,74】獲得的視差結(jié)果更精確、更平滑、縫隙更少，在匹配錯(cuò)誤率、遮擋區(qū)域和弱紋理區(qū)域以及匹配代價(jià)函數(shù)多峰值的問(wèn)題上，有更優(yōu)秀的表現(xiàn)。
　　(2)整合SLIC超像素分割算法和ELAS模型，提出了一種稠密立體匹配算法S-ELAS。首先，改進(jìn)了EL

4、AS模型算法中特征描述子的選取方式，克服了原特征僅對(duì)水平方向像素問(wèn)特征值差異大的圖像敏感的缺陷，使得新特征能適用于更多圖像；其次，引進(jìn)SLIC超像素分割算法，利用超像素信息優(yōu)化ELAS模型中的支撐點(diǎn)集合；然后，結(jié)合超像素與混合高斯模型提取的前背景，采用3σ原則，對(duì)ELAS模型通過(guò)最大后驗(yàn)估計(jì)得到的視差進(jìn)行了優(yōu)化，使得視差在紋理和目標(biāo)邊緣區(qū)域能夠平滑；最后，對(duì)不符合左右一致性約束的像素用線性插值技術(shù)進(jìn)行修正，并使用中值濾波器獲取稠密平滑的

5、視差圖。實(shí)驗(yàn)結(jié)果表明，對(duì)高分辨圖像S-ELAS算法在紋理和目標(biāo)邊緣區(qū)域得到的視差明顯優(yōu)于ELAS模型，且對(duì)低分辨率圖像S-ELAS算法在匹配錯(cuò)誤率的表現(xiàn)要優(yōu)于ELAS模型。與近5年的稠密立體匹配算法【74,75,85-98】相比，在Middlebury立體基準(zhǔn)數(shù)據(jù)庫(kù)中，當(dāng)Error Threshold=2時(shí)S-ELAS算法平均排名為116.9，當(dāng)Error Threshold=0.5時(shí)S-ELAS算法平均排名為112.7。
　　最