论文部分内容阅读
立体匹配是计算机视觉的热门研究方向之一。通过不同视角的两幅图像,寻找所有匹配点对,实现立体匹配,用于三维场景的重建。然而在实际应用场景中,立体匹配存在大量的难点:镜面反射,遮挡,视差的不连续性,相机畸变,无纹理及纹理重复区域等等。因此如何获取高精度的视差图,一直是立体匹配领域研究人员的关注点。传统算法实现立体匹配是通过逐个像素进行类似穷举的方式寻找匹配像素点,效率低下。在PatchMatch算法提出后,有人将它应用到立体匹配中,通过Patch的匹配和传播的方式寻找每个像素点的匹配像素点,提高计算效率。事实上,立体匹配的研究中有些诸如图像各种特征的先验信息可以利用,本文将图像特征作为匹配因素,建立了一种以特征匹配替代原有随机匹配实现初始化的特征检测PatchMatch算法。通过实验,本文将证实这种基于特征匹配的特征检测PatchMatch立体匹配算法比原始基于随机初始化的PatchMatch立体匹配算法效率更高。为了进一步提高算法精度,本文应用大尺寸邻域窗口和视差后处理于特征检测PatchMatch算法,在一定程度上解决镜面反射、遮挡等立体匹配常见问题。最后,为了解决无纹理及纹理重复区域视差计算效率差的问题,提出了一种基于图像金字塔距离度量的匹配代价函数。论文的研究内容如下:(1)在Middleburry数据集上,对四种常见图像特征实现像素级匹配,使用标准视差图对匹配结果进行评估。分析不同特征用于立体匹配时的效果,为算法的初始化过程,特征的选用以及特征匹配时结果筛选提供实验基础。(2)提出一种结合特征检测和PatchMatch算法的立体匹配算法,充分使用图像先验信息,减少使用大邻域窗口的使用,降低计算量和计算时间,从而在一定程度上解决立体匹配在无纹理区域,弱纹理区域及镜面反射区域匹配精度低的问题。基于Middleburry数据集进行测试,可以得到更优的实验效果和计算效率。(3)将特征检测PatchMatch应用于基于随机初始化的PatchMatch立体匹配算法,并结合视差后处理,在一定程度上解决立体匹配中遮挡区域无法准确计算视差的难点。(4)提出一种基于图像金字塔距离度量的匹配代价函数,对于不同尺度的图像,在相同匹配窗口下,同时从原始图像内提取更大范围的像素信息和结构信息,提升算法的计算精度,尤其在重复纹理或无纹理的区域内,能够实现更高的精度。