燕山大学 测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
针对传统非参数变换测度的局限性, 提出了一种基于局部纹理加权项的非参数Census 变换测度, 并使用半全局匹配法聚合代价的立体匹配算法。根据图像纹理度量的方向性, 通过增加局部纹理反差值计算匹配窗口内所有像素的灰度均值, 将其与反差值的加权和作为现匹配基元。使用半全局匹配法计算8 邻域方向的匹配代价, 以最小代价为匹配条件选取初始视差值。最后, 利用图像分割法统计各分割区域的视差直方图, 以直方图主峰所对应的视差值作为最终视差值。实验结果表明, 该算法获得的视差精度优于当前多数局部算法, 处理立体匹配中幅度失真的问题效果明显, 能够很好地适应于真实场景测量。
机器视觉 立体匹配 相似性测度 纹理度量 非参数变换 machine vision stereo matching similarity measure texture metric non-parametric transform
河北省测试计量技术及仪器重点实验室 (燕山大学 ),河北秦皇岛 066004
针对特征点的稠密匹配问题,提出了一种视差生长与张量相结合的多基线稠密匹配算法。利用 SIFT特征提取方法在三视图中提取特征点,并用欧氏距离的方法进行粗匹配,使用所提取特征点的梯度方向特征计算梯度主方向角度差直方图,来去除误匹配,用得到的三视图匹配对计算三焦点张量和视差初值,用来引导稠密匹配。选取得到的两视图匹配点对作为根点进行视差生长,同时利用三焦点张量的点对应,得到三视图稠密匹配,并用视差初值引导匹配,以提高稠密匹配的精度。实验结果表明,本文方法计算出了稠密匹配,最后得到了精确的稠密视差图。
机器视觉 稠密匹配 多基线 视差生长 三焦点张量 machine vision dense matching multi-baseline disparity growing trifocal tensor