基于CUDA的立體匹配及去隔行算法.pdf

1、立體視覺是計算機視覺領域中的一個研究熱點，是被動深度測量的重要方法。立體匹配是立體視覺中的重要步驟，也是難點之一。本文對實時立體匹配算法進行了研究。在立體匹配算法中，基于區(qū)域的局部匹配方法運算簡單規(guī)整，適合于硬件加速實現(xiàn)，且能夠得到致密的視差圖。匹配窗口的合理選擇直接影響到匹配的效率和準確性，但使用適當?shù)牧Ⅲw匹配加速方法可以使算法復雜度大大減小。
　　 在典型的視頻監(jiān)控場景中，有人的走動和車輛的快速移動，監(jiān)控攝像機的隔行掃描使得

2、人和車輛邊緣模糊，視頻圖像質量下降。為了獲得清晰的監(jiān)控視頻，需要將隔行掃描信號轉成逐行掃描信號。主流效果較好的去隔行方法有運動自適應和運動補償兩種，本文對這兩種方法都進行了研究。運動自適應中采用同極性4場運動檢測法提取運動信息，將圖像分為靜止區(qū)域、運動區(qū)域和混合區(qū)域；對靜止區(qū)域采用直接的場合并，對于運動區(qū)域采用改進的基于邊緣的插值，混合區(qū)域則采用基于運動向量的加權平均。運動補償去隔行算法采用雙向運動估計法，根據(jù)運動矢量的幅值將場圖像塊分

3、成三類，快速運動的塊采用基于邊緣的場內(nèi)插值，較慢的塊采用沿運動矢量的線性平均，中間速度的塊再細分，判斷后采用上述兩種方法之一進行插值計算。
　　 CUDA是NVIDIA公司發(fā)布的用于GPU的通用計算開發(fā)環(huán)境和軟件體系，借助于GPU強大的運算能力，可實現(xiàn)并行處理。本文基于CUDA對立體匹配及去隔行算法進行加速。在立體匹配中，比較了不同算法結構通過CUDA加速在性能上的區(qū)別。對于去隔行算法，進行了有針對性的算法結構調(diào)整，對運動自適應