面向病态场景图像对的立体匹配算法研究
立体匹配是立体视觉进行深度测量进而实现目标三维描述的基础,是立体视觉研究的核心内容.目前,研究人员已经提出了大量的有关立体匹配问题的算法,其中最具代表性的是自适应权值局部匹配算法和置信度传播全局匹配算法,这些算法在实验室条件下采集的标准立体图像对的匹配中表现出了优越的性能.然而,当算法应用于实际场景图像对时匹配效果明显下降,表现出弱纹理区域的误匹配、光照度不一致区域无法实现匹配、非平行平面区域出现"阶梯"效应以及遮挡区域匹配中形成的"前景膨胀"效应等严重影响算法匹配性能的问题,而造成这种结果的原因就是这些区域是不满足传统算法(隐含)约束条件的"病态区域".将含有病态区域的场景定义为病态场景,相应的图像对称为病态场景图像对.本文针对病态场景图像对的立体匹配问题展开研究,在分析各类典型病态区域特性的基础上,指出解决病态区域匹配问题的根本措施,提出能够从根本上提升病态场景图像对匹配效果的算法.本论文的主要工作及创新点如下:(1)通过分析立体图像对匹配基本原理及典型立体匹配算法的性能特点,指出了传统匹配算法在病态场景匹配中的局限性;(2)提出一种改进的自适应窗口极线距离变换算法,解决了原算法对匹配窗口敏感的问题,提高了算法在纹理区域以及不同大小的弱纹理区域匹配中的鲁棒性;(3)提出一种对数颜色空间下改进的自适应灰度误差系数极线距离变换算法,通过对数变换以及自适应地设置灰度误差系数等措施有效去除光照度不一致对分割比一致性的影响,与代表当前先进水平的ANCC(Adaptive NormalizedCross Correlation)算法的对比实验验证了算法的优越性;(4)提出一种基于最优斜面参数估计的局部立体匹配算法,将原始的平行平面支撑域替换为最优斜面支撑域进行匹配代价的累积,使得局部匹配算法中的"阶梯效应"得到明显消除;(5)提出一种基于斜面参数平滑约束的粒子置信度传播算法,将传统算法的视差平滑约束替换为斜面参数平滑约束,从根本上消除了"阶梯效应";(6)提出一种基于遮挡检测的置信度传播立体匹配算法,根据遮挡检测的结果取消遮挡像素及其非遮挡邻域之间的视差平滑约束,有效消除遮挡区域匹配中的"前景膨胀"效应.
- 作者:
- 曹晓倩
- 学位授予单位:
- 中国科学院研究生院(西安光学精密机械研究所)
- 专业名称:
- 信号与信息处理
- 授予学位:
- 博士
- 学位年度:
- 2014年
- 导师姓名:
- 马彩文
- 中图分类号:
- TP391.41
- 关键词:
- 立体视觉;立体匹配;病态场景;病态区域
- stereo vision; stereo matching; ill-posed scene; ill-posed region