多特征融合和自适应聚合的立体匹配算法研究

doi:10.3778/j.issn.1002-8331.2104-0353

摘要/摘要

摘要：

针对局部立体匹配在光照失真和弱纹理区域匹配精度低的问题，提出了一种多特征融合的代价计算和自适应十字窗口聚合的立体匹配算法。引入高速列车颜色空间分量，结合改进后的人口普查变换和梯度信息作为匹配代价计算方法，排除了视差边界异常值的影响，增强了算法对光照失真的稳健性；提出了基于梯度信息和可变颜色阈值的自适应窗口代价聚合方法，提高了在弱纹理区域的匹配精度；通过视差计算和多步骤的视差精细得到了最终的视差结果。实验结果表明，所提算法较AD-Census公司算法在无光照失真条件下误匹配减少了3.24%，能有效解决视差边界和弱纹理区域错误匹配的问题，对光照失真稳健性好且能有效抑制噪声干扰。

关键词: 机器视觉, 立体匹配, 多特征融合, 自适应窗口, 光照失真

摘要：

针对局部立体匹配在光照畸变和弱纹理区域匹配精度低的问题，提出了一种基于多特征融合和自适应跨窗口聚集代价计算的立体匹配算法。首先，引入HSV颜色空间分量，结合改进的Census变换和梯度信息计算匹配代价，消除了视差边界异常值的影响，增强了算法对光照畸变的鲁棒性。其次，提出了一种基于梯度信息和可变颜色阈值的自适应窗口代价聚集方法，以提高弱纹理区域的匹配精度。最后，通过多步视差细化得到最终的视差结果。实验结果表明，与AD-Census算法相比，在相同光照条件下，该算法的失配率降低了3.24%。它能有效地解决视差边界和弱纹理区域不匹配的问题，对光照畸变具有良好的鲁棒性，并能有效地抑制噪声干扰。

关键词： 机器视觉，立体匹配，多特征融合，自适应窗口，辐射畸变

畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J] ●●●●。计算机工程与应用, 2021, 57(23): 219-225.

常亚文、赵东清、珊彦虎。基于多特征融合和自适应聚集的立体匹配算法研究[J]。计算机工程与应用，2021，57（23）：219-225。

参考文献

[1] 陈炎，杨丽丽，王振鹏.双目视觉的匹配算法综述[J] 《财富》，2020,41（5）：702-708。
陈毅，杨丽丽，王振平.立体视觉匹配算法的文献综述[J]。《图形学杂志》，2020,41（5）：702-708。
[2] SCHARSTEIN D，SZELISKI R.稠密两帧立体对应算法的分类与评价[J]。国际计算机视觉杂志，2002,47:7-42。
[3] HIRSCHMULLER H.基于半全局匹配和互信息的立体处理[J]。IEEE模式分析和机器智能汇刊，2007,30（2）：328-341。
[4] 郭鑫，王延杰，付东辉.三种测度融合的加权引导滤波匹配算法[J] ●●●●。计算机工程与科学，2019，41（6）：1044-1049.
郭X，王永杰，傅德华.一种结合三种测度的加权滤波匹配算法[J]。计算机工程与科学，2019,41（6）：1044-1049。
[5] 焦杰，王荣，王伟，等.具有改进匹配代价和视差细化的局部立体匹配[J]。IEEE多媒体，2014，21（4）：16-27。
[6] MEI X，SUN X，ZHOU M C，et al.关于在图形硬件上构建精确立体匹配系统[C]//2013 IEEE国际计算机视觉研讨会，2013:467-474。
[7] 张凯，方毅，闵德，等.立体匹配的跨尺度成本加总[C]//2014 IEEE计算机视觉与模式识别会议，2014:1590-1597。
[8] QU Y F，JIANG J X，DENG X J，等.变辐射条件下的鲁棒局部立体匹配[J]。IET计算机视觉，2014,8（4）：263-276。
[9] HOSNI A，BLEYER M，GELAUTZ M.局部立体匹配自适应支持权重技术的秘密[J]。计算机视觉与图像理解，2013117（6）：620-632。
[10] 苏修，陈晓冬，徐怀远，等.基于高速列车颜色空间的自适应窗口局部匹配算法[J] ●●●●。激光与光电子学进展，2018，55（3）：287-294.
苏X，CHEN X D，XU H Y，等.基于HSV颜色空间的自适应窗口局部匹配算法[J]。激光与光电子进展，2018，55（3）：287-294。
[11] 王云峰，吴炜，余小亮，等.基于自适应权重 AD-Census公司变换的双目立体匹配[J] ●●●●。工程科学与技术，2018，50（4）：153-160.
王永发，吴伟，于小林，等.一种自适应加权AD普查立体匹配系统[J]。先进工程科学，2018,50（4）：153-160。
[12] 欧永东，谢小鹏.基于改进人口普查变换的多特性立体匹配算法[J] ●●●●。计算机工程与科学，2020，42（6）：1030-1036.
OU Y D，XIE X F.一种基于改进Census变换的多特征立体匹配算法[J]。计算机工程与科学，2020,42（6）：1030-1036。
[13] 程德强，李海翔，寇旗旗，等.融合边缘保持与改进代价聚合的立体匹配算法[J] ●●●●。中国图象图形报，2021，26（2）：438-451.
CHENG D Q，LI H X，KOU Q Q，等.基于边缘保持和改进的代价聚集的立体匹配算法[J]。图像与图形杂志，2021,26（2）：438-451。
[14] 王德，刘海，程霞。一种用于三维测量和三维重建的具有局部特征匹配和立体匹配的微型双目内窥镜[J]。传感器，2018,18（7）：2243。
[15] 潘卫华，杜旭.基于改进自适应权重的三边滤波立体匹配算法[J] ●●●●。计算机工程与应用，2020，56（18）：186-192.
PAN W H，DU X.基于改进自适应支持权重的三边缘滤波立体匹配算法[J]。计算机工程与应用，2020,56（18）：186-192。
[16] 祝世平，李政.基于改进梯度和自适应窗口的立体匹配算法[J] 2015年，35（1）：123-131。
ZHU S P，LI Z.一种基于改进梯度和自适应窗口的立体匹配算法[J]。光学学报，2015,35（1）：123-131。
[17] 姚明，欧阳伟，徐宝刚，等.稠密立体匹配的混合成本聚合[J]。多媒体工具和应用，2020,79（6）：23189-23202。
[18] HAMZAH R A，IBRAHIM H。利用自适应最小二乘平面拟合技术改进视差图细化阶段[J]。《电子快报》，2020,56（18）：918-920。
[19] 朱世平，颜丽娜。具有有效匹配代价和自适应引导图像滤波器的局部立体匹配算法[J]。可视化计算机，2017,33（9）：1087-1102。