深度图的被动获取方法研究

摘要

立体图像深度信息的获取是立体视觉领域研究的关键问题之一。立体图像的深度获取方法主要分为主动深度获取方法和被动深度获取方法。其中主动深度获取方法是指通过TOF摄像机（即Time-of-Flight camera）等深度图像获取设备直接拍摄场景，获得深度信息的方法。被动深度获取方法主要包括立体匹配算法，通过从不同视点对同一场景拍摄得到的图像中的对应像素进行匹配，得到对应的视差值的方法，从而还原整个场景的深度信息。本文是关于被动深度获取方法中立体匹配算法的研究。
　　本文首先提出一种改进的局部立体匹配算法，之后针对局部算法中存在的缺陷，提出了一种基于图像分割的立体深度图的优化方法。本文的主要工作如下：
　　1.针对传统局部立体匹配算法在图像遮挡区域、深度不连续区域、弱纹理区域和重复纹理区域的局限性提出了一种基于相似性测度函数的改进局部立体匹配算法。首先，根据待匹配图像的颜色、梯度、像素间的空间距离等信息，结合一种非参量变换方法，构建新的相似性度量函数。在代价聚合过程中，采用基于十字框架的自适应窗口，通过引导图滤波的方法得到初始视差图；
　　2.利用均值漂移算法对初始视差图进行图像分割，结合图像的可信度分布图，通过表面插值方法，对视差图中的误匹配点进行剔除，得到最终的视差结果。
　　实验在 Middlebury平台进行测试，在遮挡区域、弱纹理区域的平均误匹配率比经典算法的误匹配了降低约40％，相比其他方法在该区域的改进有了大幅提高。此外，本文在算法复杂度上有了明显的降低，平均计算时间为28.2s。最终结果显示，在图像的遮挡区域和深度不连续区域，本文的算法对于视差信息有更好的匹配效果。

目录

声明

第1章 绪 论

1.1 立体视觉概述

1.2 研究背景和意义

1.3 立体匹配算法研究现状

1.4 本文主要研究内容和贡献

1.5 论文组织结构

第2章 双目立体匹配算法概况

2.1 立体视觉原理及深度转换方法

2.2 立体匹配技术

2.3 本章小结

第3章 初始视差图的获取

3.1 局部立体匹配算法流程

3.2 代价函数的构建

3.3 基于十字框架自适应窗口的选取方法

3.4 基于引导图滤波的代价聚合方法

3.4 实验结果及分析

3.5 本章小结

第4章 初始视差图的优化

4.1 基于均值漂移算法的深度图像分割

4.2 区域视差优化方法

4.3 实验结果及数据分析

4.4 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况说明

致谢