基于EPI和颜色分割的立体匹配算法及图像合成

摘要

立体匹配技术是计算机视觉研究中经久不衰的领域，主要应用于图像合成和恢复3-D信息，并做为第三代新技术应用于视频领域。而本文主要讨论其在图象合成中的应用。目前有多种立体匹配算法可以用来合成新视点的图像。 本文对立体匹配算法的两大类别：局部算法和全局算法，进行了介绍并列举了一些实例。如局部算法中的固定窗口算法、自适应窗口算法，以及全局算法中的动态规划、基于分层的颜色分割算法等。之后，利用基于Mean Shift的颜色分割对图像的平滑作用，以及EPI算法在边缘部分的预测较基于相关的匹配算法的天然优势，对图象序列提取特征点。根据提取的特征点，在颜色分割得到的每个小分块内部进行Delaunay三角分割。将划分得到的每个三角形取一个平面模型，并根据顶点位差内插三角形内部像素位差，构造了一个合成新视点图像的系统。系统没有采用EPI中运用的图形学方法来通过变形合成新图像，而是根据计算得到的位差值合成图像。合成则采用了z-buffer技术，通过左右两个位差图来计算新图像中匹配点的位置，并且保证了前景物体在发生遮挡情况下的可见性。合成图像的评估由一个专门为立体匹配算法构建的评价系统来完成。算法中EPI提取、边缘检测、特征点提取、Delaunay三角分割以及位差计算、图像合成等步骤，由Matlab实现，而颜色分割则通过C++实现。

目录

文摘

英文文摘

声明

第一章绪论

1.1多视点系统简介

1.2立体匹配技术简介

1.2.1外极几何

1.2.2立体匹配算法简介

1.3论文内容简介及章节安排

第二章一些常见的立体匹配算法

2.1基于区域(窗口)的局部立体匹配算法

2.1.1简单窗口算法

2.1.2可变窗口算法

2.2全局算法

2.2.1动态规划

2.2.2基于层的颜色分割算法

2.3本章小结

第三章EPI算法

3.1 EPI的形成

3.2 EPI分析及特征点

3.3三角分割

3.4本章小结

第四章基于Mean-Shift的颜色分割

4.1密度梯度估计

4.1.1核函数

4.1.2核密度估计

4.2基于Mean Shift的颜色分割

4.2.1特征空间

4.2.2颜色分割

4.3本章小结

第五章基于颜色分割的EPI算法及图像合成

5.1算法简介

5.2颜色分割和EPI提取

5.3三角分割与位差计算

5.3.1 Delaunay三角网格

5.3.2位差计算

5.4 Z-buffer与新图像合成

5.5本章小结

第六章立体匹配算法评价体系及结果

6.1质量评价概述

6.1.1根据位差进行评价

6.1.2根据图像进行评价

6.2评价结果

6.3本章小结

第七章总结与展望

7.1本文工作总结

7.2未来工作展望

参考文献

致 谢