立体视觉中精确立体匹配算法的研究

发布时间：2021-06-23 15:13

　　立体匹配作为立体视觉深度感知中的一个研究重点,其主要目的是为了获得准确的三维场景信息。同时,由于立体匹配具有对光照不敏感、在室外环境中更加鲁棒的特点,因此被广泛应用于三维重建、图像重聚焦、视图插值等领域。然而,当前的立体匹配算法中还存在着缺少二维信息与三维信息的融合、弱纹理区域容易产生误匹配、计算复杂性高和不能有效利用多尺度信息等问题,限制了算法精确性的进一步提升。为此,本文针对上述问题进行了以下四个部分的深入研究:（1）基于树的非局部代价聚合立体匹配算法研究。为了解决将二维信息与三维信息相结合的问题,首先提出了迭代颜色-深度最小生成树代价聚合立体匹配算法。该算法在构建最小生成树结构时引入了三维信息,并通过给出弱纹理敏感匹配代价计算方法,使在弱纹理区域容易产生误匹配的问题得以改善。在此基础上,提出了改进的分割树代价聚合立体匹配算法。该算法在构建分割树结构时不仅引入三维信息和弱纹理敏感匹配代价计算方法,还通过改进分割策略使其更加符合视差一致性准则。实验结果表明,上述算法在保持实时性的同时,在整数精度上的准确性优于其它同类算法。（2）空间块匹配虚拟像素代价聚合立体匹配。该算法以最近邻场为基... 

【文章来源】：天津理工大学天津市

【文章页数】：121 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 代价聚合立体匹配算法
        1.2.2 全局立体匹配算法
        1.2.3 半全局立体匹配算法
        1.2.4 其它算法研究进展
    1.3 研究问题与挑战
    1.4 本文的研究内容
    1.5 本文的组织结构
第二章 基本算法分析与评价标准
    2.1 引言
    2.2 朴素法
    2.3 基本算法分析
        2.3.1 代价聚合立体匹配算法
        2.3.2 全局立体匹配算法
        2.3.3 半全局立体匹配算法
    2.4 立体匹配数据集与评价标准
    2.5 本章总结
第三章 基于树的非局部代价聚合立体匹配算法研究
    3.1 引言
    3.2 迭代颜色-深度最小生成树代价聚合立体匹配
        3.2.1 2D与3D信息在最小生成树结构上的融合
        3.2.2 最小生成树非局部代价聚合立体匹配
        3.2.3 有效处理弱纹理区域的匹配代价计算
        3.2.4 迭代颜色-深度最小生成树代价聚合
        3.2.5 实验结果与分析
    3.3 改进的分割树代价聚合立体匹配
        3.3.1 在分割树结构上采用改进的分割策略
        3.3.2 分割树非局部代价聚合立体匹配
        3.3.3 改进的分割树代价聚合
        3.3.4 实验结果与分析
    3.4 本章总结
第四章 空间块匹配虚拟像素代价聚合立体匹配
    4.1 引言
    4.2 空间块匹配虚拟像素代价聚合立体匹配
        4.2.1 块匹配算法的缺陷及优化策略
        4.2.2 块匹配立体匹配
        4.2.3 空间块匹配立体匹配
        4.2.4 空间块匹配虚拟像素代价聚合
        4.2.5 实验结果与分析
    4.3 本章总结
第五章 代价聚合作为能量函数数据项的全局算法
    5.1 引言
    5.2 非局部代价聚合作为能量函数数据项的全局算法
        5.2.1 TSGO算法缺陷及优化策略
        5.2.2 AGO算法的能量函数模型
        5.2.3 采用改进的TRW-S算子对能量函数的优化
        5.2.4 实验结果与分析
    5.3 多尺度代价聚合作为能量函数数据项的全局算法
        5.3.1 MS模型与CSCF模型的融合
        5.3.2 MSCS算法的能量函数模型
        5.3.3 采用MS模型与CSCF模型对能量函数的优化
        5.3.4 MSCS算法实现细节
        5.3.5 实验结果与分析
    5.4 本章总结
第六章 带有自适应平滑先验的极限全局化立体匹配
    6.1 引言
    6.2 带有自适应平滑先验的极限全局化立体匹配
        6.2.1 极限全局化与自适应平滑先验策略
        6.2.2 AGAP算法模型
        6.2.3 AGAP算法实现与加速策略
        6.2.4 实验结果与分析
    6.3 本章总结
第七章 总结与展望
    7.1 总结
    7.2 未来展望
参考文献
发表论文和科研情况说明
致谢


【参考文献】：
博士论文
[1]基于图像深度感知中的立体匹配和深度增强算法研究[D]. 张康.清华大学 2015



本文编号：3245173