立体视差全局最优估计算法研究

发布时间：2019-07-18 09:09

【摘要】：随着图像处理、通信以及视频编码等各种研究领域的不断进步,立体视频的研究进入了一个新的快速发展期。立体匹配技术是一种通过寻找同一场景在不同视角图像中的相同点的一一对应关系,并由此获得视差图,重建场景三维模型的技术。回顾近几十年的双目立体匹配的技术发展,早期的研究者逐点进行分立的研究,意图为每一个像素点找到其最佳匹配,然而结果却并不理想。近年来,随着马尔科夫随机场理论的提出及其发展,其理论为计算机视觉领域和图像处理领域提供了更好的研究工具。本文主要研究两种目前较为主流的算法动态规划和置信传播算法,并分别优化,以期获得更好的算法效果和更快的算法速度。本文分析了动态规划算法在立体匹配领域中的应用,并根据动态规划的特性配合针对性的预处理和后处理步骤。该算法使用左右图分别作为主视图,计算匹配代价后迭代计算对应的视差图,修正误匹配点后得到精确的视差图。其中,计算匹配代价同时考虑像素相似度和纹理相似度,迭代过程使用动态规划算法,兼顾速度和精确度,并针对动态规划算法的条纹特性以及同一扫描线上的精确度不对等,使用插值优化算法提取左右视差图的高精度区域合成最终的视差图。实验结果表明,同传统动态规划算法相比,基于插值优化的动态规划立体匹配算法在遮挡区域表现优异,并且依然保持不变的时间复杂度。本文提出了基于升降采样的金字塔优化的置信传播算法。通过分析置信传播算法的理论基础,针对置信传播算法的大量冗余迭代所带来的高时间复杂度和空间复杂度进行了金字塔优化,有效减少了算法占用的冗余空间和计算时间。本文提出了基于置信传播的序列图像快速立体匹配视差估计算法。序列图像本身拥有几乎一致的背景,在序列图像的立体匹配中直接使用上一帧的视差图作为当前帧的迭代起始将会大大加快迭代的速度。实验结果证明,该方案相比单帧图像的置信传播立体匹配,速度上有较大提升,同时算法效果并未下降。
文内图片：

图片说明：人类使用双眼观察实际空间中的物体时，空间中的物体反射可见光进入左右眼的，逡逑在左右眼视网膜上成像，其中左眼视网膜上的图像偏右，有眼视网膜上的图像偏左。逡逑如图２．１所示，图中，Ａｌ，Ａ２等点所在的直线为eA示器的屏幕，ｘ轴为人眼所在的逡逑横线，Ａ，Ｂ，Ｃ三点分别为投影在屏幕前，屏幕后以及屏幕上的前后景。由图中所逡逑示可以发现：逡逑ｉ邋Ｌ逡逑ｙ逡逑＜Ｐ邋Ｂ逡逑／逡逑／逡逑ｊ逡逑Ａ１邋Ａ２逡逑－邋Ｉ逦＾逦ｊｙ￣逡逑＼＼邋Ａ逡逑／邋／逡逑＼邋＼逡逑＼邋／邋＼邋！逡逑逦ｒ逦１逦ｖ逦匕逡逑（－ｅ，０）逦（ｅ，０）逡逑图２．１人眼立体视觉示意图逡逑９逡逑
文内图片：

图片说明：逑图３－１基于动态规划的最短路径算法示例逡逑图３－１为一张路径图，数字０－９表征的是不同的点位，点位之间连线上有数值表逡逑示路径长度，或称为代价。为了寻找最短的从０到９的路径，由于此处数据量较小，，逡逑可以使用枚举法将所有的路线枚举出来，依次计算每一条路线的长度，从而找到最短逡逑路径。不过枚举的过程中有大量的重复计算的成分，而将重复计算的结果进行储存，逡逑反复调用便成为了动态规划的初步思路。逡逑使用动态规划解决这个叫题的一般思路如下：逡逑从终点倒推，我们记ｃｏｓｔ（ｎ）为该点到终点的最短路径的路径长度，记ｍ逡逑点上逡逑ｃｏｓｔ（８）邋＝邋３逦（３－１）逡逑ｃｏｓｔ（７）邋＝邋７逦（３－２）逡逑以上两式是显而易见的，终点到点７，８的距离分别为３和７。逡逑ｃｏｓｔ（６）邋＝邋ｍｉｎ（ｃｏｓｔ（８）邋＋邋Ｃ６８，邋ｃｏｓｔ（７）邋＋邋Ｃ６７）邋＝邋ｃｏｓｔ（８）邋＋邋Ｃ６８邋＝邋８邋ｐａｔｈ［６］邋＝邋８逡逑（３－３）逡逑上式（３－３）表示６到终点的最短路径从点６和点７之间的连线以及点６和点８之间逡逑的连线中选择较小的一项。由于点６和点７不连通，故两者的距离视为00。故选择点逡逑６的上线为点８
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】