基于雙目視覺的稠密立體匹配算法研究.pdf

1、本文在了解雙目立體視覺系統(tǒng)理論的基礎上，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，重點探討了如何改進雙目立體匹配方法的視差結果，以及如何改善距離計算方法。針對立體匹配算法難以獲取精確的視差搜索范圍、計算量大、匹配率低等問題，本文主要提出了兩種改進算法：
　　(1)結合SIFT特征提取、EMD算法和基于窗口的匹配技術的優(yōu)勢，提出了一種改進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，以及EMD方法能白適應、高效地分析非線性和非平穩(wěn)信號，且能將信號分解為不同頻率的特性，提出了一種結合SIFT和EMD的局部特征檢測算法。在對圖像進行特征提取的基礎上，通過特征匹配和極線約束得到更精確的匹配點對，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函數下，使用改進的視差可信度函數或加權能量函數獲取稠密精確的視差圖。實驗結果表明，結合SIFT和EMD的特征檢測算法比傳統(tǒng)的S

3、IFT特征檢測方法有更高的精確度，能更貼近于實際需求的視差搜索范圍。而且，利用改進的基于窗口的稠密立體匹配算法獲得的視差結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】獲得的視差結果更精確、更平滑、縫隙更少，在匹配錯誤率、遮擋區(qū)域和弱紋理區(qū)域以及匹配代價函數多峰值的問題上，有更優(yōu)秀的表現。
　　(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，克服了原特征僅對水平方向像素問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模型中的支撐點集合；然后，結合超像素與混合高斯模型提取的前背景，采用3σ原則，對ELAS模型通過最大后驗估計得到的視差進行了優(yōu)化，使得視差在紋理和目標邊緣區(qū)域能夠平滑；最后，對不符合左右一致性約束的像素用線性插值技術進行修正，并使用中值濾波器獲取稠密平滑的

5、視差圖。實驗結果表明，對高分辨圖像S-ELAS算法在紋理和目標邊緣區(qū)域得到的視差明顯優(yōu)于ELAS模型，且對低分辨率圖像S-ELAS算法在匹配錯誤率的表現要優(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立體基準數據庫中，當Error Threshold=2時S-ELAS算法平均排名為116.9，當Error Threshold=0.5時S-ELAS算法平均排名為112.7。
　　最