基于边缘特征的立体匹配算法研究

论文摘要

双目立体匹配是在从两个不同视点观察同一场景获取的两幅图像中寻找同一场景点的成像点并获取成像点偏差的过程,它是立体视觉中的关键问题,是三维重建的核心问题。基于特征的立体匹配是提取图像的各种特征作为基元进行匹配,它不直接依赖于灰度,具有较强的抗干扰性,而且计算量小,速度快,能满足实时性要求。本文首先分析了当前基于特征的立体匹配算法中所采用的特征提取算法,选择通过LoG算子提取的过零点作为匹配基元。一方面,LoG算子的大小可以用从人类视觉系统测量的心理生理学数据确定,它更能模拟人类视觉;另一方面,使用过零点的特有属性作为粗匹配的匹配约束,可以提高匹配速度。其次,分析了立体匹配中的主要约束及相似性判断准则。将视差光滑性约束应用于边缘特征上,提出了边缘连续性约束,这一约束能去除误匹配点;对相似性测量方法中的Rank变换做了进一步分级,从而提高了存在随机噪声情况的匹配可靠性。第三,提出了一种基于边缘特征的立体匹配算法。在该算法中,首先使用过零点的方向和符号属性进行粗匹配,并用边缘连续性约束去除误匹配点。对于在粗匹配后出现的无匹配以及一对多匹配情况的过零点使用自适应窗口的相似性测度函数进一步匹配。

论文目录

• 摘要
• Abstract
• 第一章 概述
• 1.1 引言
• 1.2 研究背景
• 1.3 立体匹配中难点
• 1.4 本文的主要工作与创新点
• 1.5 本文的组织结构
• 第二章 基于特征的立体匹配中特征提取算法
• 2.1 边缘提取算法
• 2.1.1 LoG 边缘检测算子
• 2.1.2 Canny 边缘检测算法
• 2.2 角点检测方法
• 2.3 小面的检测方法
• 2.4 小结
• 第三章 立体匹配主要约束及相似性判断准则
• 3.1 基于几何学和光度测定学的约束
• 3.1.1 极线约束
• 3.1.2 唯一性约束
• 3.1.3 光度测定学相容性约束
• 3.1.4 几何相似性约束
• 3.2 基于典型场景中物体的某些共同性质的约束
• 3.2.1 视差光滑性约束
• 3.2.2 次序约束
• 3.2.3 视差梯度约束
• 3.3 小结
• 第四章 基于边缘特征的立体匹配算法
• 4.1 算法流程
• 4.2 算法实现
• 4.2.1 粗匹配及边缘连续性约束
• 4.2.2 自适应窗口的立体匹配
• 4.3 小结
• 第五章 实验及结论
• 5.1 三种算法在标准图像的测试
• 5.2 三种算法的定量比较
• 总结与展望
• 参考文献
• 致谢