基于區(qū)域增長的立體匹配算法研究.pdf

1、眼睛是人類獲取外界信息的主要手段。計算機通過模擬人眼系統(tǒng)進行觀察、識別、獲取三維場景的信息，并作出相應的分析。計算機視覺能夠代替人眼在多種危險場合工作，故對機器視覺的研究具有重要的意義。立體匹配是計算機視覺領域的重點和難點，如何快速地實現(xiàn)高精度的立體匹配是近年來眾多學者研究的重點。因基于區(qū)域的立體匹配算法具有諸多優(yōu)勢，故本文用其對圖像進行相應的立體匹配。論文主要工作如下:
　　1)光照的變化對圖像像素的灰度有一定的影響，針對傳統(tǒng)C

2、ensus變換算法因過度依賴中心像素點灰度值導致匹配誤差大的問題，本文提出一種改進的高魯棒性Census變換算法。該算法首先利用變換窗口灰度均值與局部反差值之和代替中心像素點的灰度值進行相應的變換，提高了變換結(jié)果的抗噪性和不同子塊之間的區(qū)分度。然后，采用高斯加權變換窗口提高離中心點近的像素點的權重，有效減小邊界不連續(xù)區(qū)域?qū)ζヅ涞挠绊?。最后，對Middlebury數(shù)據(jù)庫里的圖像添加仿真光照，并用其提供的真實匹配值計算本文算法匹配精度。實驗

3、結(jié)果表明，與傳統(tǒng)算法比較，本文算法具有更高的匹配精度，更強的魯棒性。
　　2)研究了區(qū)域增長算法的原理和擴張步驟，針對傳統(tǒng)區(qū)域增長方法在處理低紋理圖像時，因為種子點個數(shù)不夠，導致無法進行大范圍增長的問題，提出一種融合SIFT特征點與輪廓信息的匹配算法。該算法首先進行SIFT特征點匹配以及圖像邊緣的提取。然后，采用兩層匹配法對輪廓點進行匹配:第一步，利用特征點和極線約束等指導輪廓點進行粗匹配;第二步，采用邊緣相關性約束，加入特征向量