基于色彩相似度的自适应立体匹配

点赞:11337 浏览:46725 近期更新时间:2024-01-29 作者:网友分享原创网站原创

摘 要:提出了一种结合权值矩阵和相似性系数矩阵构造的区域匹配方法.该方法首先运用色彩相似性和距离临近性对窗内的每一点相对于待匹配点的自适应权值进行分配,得到一个权值矩阵,为了提高在视差不连续区域的匹配精度,使用了边界点矩阵来降低相对应点的权值.然后在RGB色彩空间中根据待匹配点和对应点的匹配窗内的每一点的颜色绝对差值和来自适应分配相似性系数矩阵.最后利用上述方法对Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones进行了实验,总体正确率分别达到了91.82%、96.19%、76.6%和86.9%.

基于色彩相似度的自适应立体匹配参考属性评定
有关论文范文主题研究: 关于相似性的论文范文数据库 大学生适用: 专科毕业论文、研究生论文
相关参考文献下载数量: 17 写作解决问题: 毕业论文怎么写
毕业论文开题报告: 论文任务书、论文结论 职称论文适用: 论文发表、初级职称
所属大学生专业类别: 毕业论文怎么写 论文题目推荐度: 经典题目

关 键 词:立体匹配;权值矩阵;边界点;相似性系数;视差图

中图分类号:TP391.41

文献标志码:A

Adaptivestereomatchingbasedoncolorsimilarity

LIHong1,LIDa-hai1*,WANGQiong-hua1,2,CHENGYing-feng1,ZHANGChong1

1.SchoolofElectronicsandInformationEngineering,SichuanUniversity,ChengduSichuan610064,China;

2.KeyLaboratoryofFundamentalSyntheticVisionGraphicsandImageforNationalDefense,SichuanUniversity,ChengduSichuan610065,China

Abstract:

Akindofareamatchingmethodthatbinedweightatrixwithsimilaritycoefficientmatrixwasproposedinthisarticle.Thearticlewasanizedaollows:firstofall,themethodgottheweightatrixbyusingcolorsimilarityanddistanceproximity,andthevalueofthematrixwascorrectedwithanedgematrixforimprovingcorrectionoftheedgepixels.Thenasimilaritycoefficientmatrixwasadaptivelyobtainedaccordingtoeachpointpairssumofabsolutedifferenceinmatchingwindowbetweenleftimageandrightimage.Finally,themethodwasinvestigatedbymatchingfourstereoimages(Tsukuba,Venus,Teddy,andCones)withgroundtruthprovidedinMiddleburystereodatabaseandtherateofoverallaccuracyreaches91.82%,96.19%,76.6%,86.9%,respectively.


英文关 键 词 Keywords:

stereomatching;weightatrix;edgepixel;similaritycoefficient;parallaximage

0引言

立体匹配是立体视觉研究中的一个关键步骤,在立体图像匹配算法中,主要有局部算法和全局算法两大类[1].局部算法中,根据匹配基元的不同可分为基于区域的匹配[2-4]、特征匹配[5-7]、基于相位的匹配[8]和基于梯度的算法[9]等,而区域匹配和特征匹配是最常见的两种方法.其中,区域匹配算法是在一幅图像中以待匹配点为中心选取一个区域,在另一幅图像中找到与该区域匹配代价最小的区域,并把找到区域的中心认为是待匹配点的对应点的过程.常用的区域相似性测度有归一化互相关(NormalizedCrossCorrelation,NCC)、差值平方和(SumofSquaredDifference,SSD)、归一化差值平方和(NormalizedSSD)、绝对差值和(SumofAbsoluteDifference,SAD)、归一化绝对差值和(NormalizedSAD)等.在这些相似性测度中,非归一化的方法计算量较小,但容易受到光照影响,轻微的光照差异可能造成很大的匹配误差;归一化的方式受光照影响相对较小,但计算量巨大,效率低下.因此,本文提出了一种满足效率且对光照差异不敏感的相似性测度算法.

首先,运用彩色相似度[10]和距离临近性对窗内的每一点相对于待匹配点的自适应权值进行分配,得到一个权值矩阵,为了提高在视差不连续区域的匹配精度,使用了边界点矩阵[11]来降低相对应点的权值;然后,在RGB色彩空间中,根据待匹配点和对应点的匹配窗内每一点的颜色绝对差值和自适应地分配相似性系数矩阵;最后,结合权值矩阵和相似性系数矩阵构造的区域匹配方法对4幅立体像对Tsukuba、Venus、Teddy和Cones进行了实验验证,结果表明,相对于传统的区域匹配算法,本文方法在非遮挡区域、总体和视差不连续区域都取得了不错的效果,证明本文方法是可行的.

1基于边界修正的自适应权值算法

1.1初始权值获取

许多研究者指出匹配窗的形状和大小都可以自适应地改变,所谓对具有任意形状的视差边缘能提供很好的支持,但匹配窗的选择过于复杂.因此一些研究者仍然选择使用形状和大小固定的窗,通过自适应地调整窗内每个像素参与匹配时的权重,来完成窗的选取.其中,比较有影响性的是Yoon和Kweon提出的自适应权值算法[12].该方法认为,匹配窗内的所有像素点,只有与待匹配点具有同一深度信息的像素才能为匹配过程作出贡献.因此,窗内某个像素的权值分配问题,可以转化为估计该像素与待匹配点具有同一深度的概率大小问题.即:

猜你想找