双目视觉立体匹配自适应支持权值方法研究

摘要

双目视觉是计算机视觉的一个重要研究领域，旨在模拟人眼视觉系统，从二维图像信息恢复场景的三维信息。双目立体视觉包括四个步骤:图像获取、摄像机标定、立体匹配和三维重建，其中立体匹配是关键技术。虽然目前已有大量的立体匹配方法，但在实际应用中仍然存在许多问题。本课题的研究目的是为淡马锡理工学院的裸眼三维视频处理系统找到一个快速准确的稠密立体匹配方法。全局方法立体匹配精度高，但计算结构复杂，不易于硬件实现。局部方法结构简单，易于硬件实现，匹配精度也相对较低。随着Yoon提出自适应支持权值方法以来，局部立体匹配性能大大提高，甚至超过了一些全局方法，但自适应支持权值方法仍然存在两个重要的问题:如何选择合适的参数值，计算时间比其它局部算法的计算时间长。论文在研究自适应支持权值方法的基础上，探寻一种计算速度快、匹配性能高的局部立体匹配方法。
　　 论文主要工作及研究成果如下:
　　 1、简要分析双目视觉立体匹配模型和现有的立体匹配方法，比较了立体匹配中常用的六种相似性度量函数，给出立体匹配评价标准以及遮挡检测与填充后续处理步骤，最后通过实验，比较了不同相似性度量函数的性能，验证了遮挡检测与填充后续处理步骤的有效性。
　　 2、对Yoon自适应支持权值方法进行详细研究，介绍了格式塔理论以及自适应支持权值实现方法，指出自适应支持权值方法中存在的参数问题，并给出一种关联分析法，通过同时考虑不同参数取值的变化情况，对自适应支持权值方法中的参数进行系统讨论，最后采用实验证明了不同组合参数取值对自适应支持权值方法的性能影响很大。
　　 3、给出了一种改进的自适应支持权值方法。本文从计算速度和立体匹配性能两方面着手，对自适应支持权值方法进行了改进。为提高计算速度，改进方法在计算颜色相似性时使用RGB颜色空间代替CIELab颜色空间，在聚合初始匹配代价时使用单权值代替双权值聚合，在进行立体匹配时使用小支持窗口代替大支持窗口，为提高立体匹配性能，改进方法使用匹配性能更好的相似性度量函数，并在传统初始匹配结束后引入基于自适应支持权值的视差校正方法，最后利用实验验证了改进方法的有效性和优异性。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 课题提出及意义

1．3 国内外研究现状

1．4 论文主要工作

1．5 论文结构安排

第2章 立体匹配相似性度量函数比较分析

2．1 引言

2．2 立体匹配模型

2．3 立体匹配方法概述

2．3．1 立体匹配方法分类

2．3．2 区域匹配一般流程

2．4 相似性度量函数比较分析

2．4．1 相似性度量函数描述

2．4．2 立体匹配遮挡检测

2．4．3 立体匹配评价标准

2．4．4 实验结果及分析

2．5 小结

第3章 自适应支持权值方法参数关联分析

3．1 引言

3．2 自适应支持权值方法

3．3 参数关联分析

3．4 实验结果及分析

3．5 小结

第4章 改进自适应支持权值方法

4．1 引言

4．2 基本思想

4．3 颜色空间

4．4 视差校正

4．5 改进方法实现

4．6 实验结果及分析

4．7 小结

总结与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果