1 四川大学视觉合成图形图像国防重点学科实验室, 四川 成都 610065
2 四川大学计算机学院, 四川 成都 610065
为了提升局部立体匹配的精度,提出了一种基于改进Census变换和自适应支持域的立体匹配算法。针对传统Census变换算法对中心点处的采样敏感、误匹配率高的问题,结合中心点左右插值点的信息,提出了一种对采样不敏感的改进Census变换算法。在计算匹配代价阶段,将改进Census变换与彩色信息及x、y方向的梯度信息相融合以构建匹配代价;在代价聚合阶段,提出了基于改进引导滤波的十字交叉法以构建自适应支持域并聚合代价;最后采用赢者通吃(WTA)策略计算视差,并通过多步细化得到最终视差图。实验结果表明,所提算法在 Middlebury测试平台4组标准图像上的平均误匹配率为4.92%,具有较高的精度和较好的适应性。
视觉光学 立体匹配 Census变换 自适应支持域 引导滤波 激光与光电子学进展
2021, 58(14): 1433002
提出一种基于引导图像和自适应支持域的局部立体匹配算法。首先对校正后的输入图像进行预处理得到引导图像;在匹配代价计算阶段,提出一种梯度计算方法,结合引导图像和输入图像的梯度信息,分别计算x和y方向的梯度,再与AD(absolute difference)和Census变换融合构建匹配代价计算函数;在代价聚合阶段,使用基于自适应支持域的导向滤波;在视差细化阶段,提出一套基于自适应支持域的多步细化方法,通过该方法得到最终的视差图。实验结果表明,视差细化后全部区域的平均误差和方均根误差平均减少43.7%和38%,非遮挡区域平均减少33.7%和30.9%,所提算法具有较好的鲁棒性并能获得精度较高的视差结果。
机器视觉 局部立体匹配算法 引导图像 自适应支持域 导向滤波