×
徐锦涛;杨庆雄;唐金辉;冯祖仁

线性时不变光照立体匹配。 （英语） Zbl 1398.68602号

国际期刊计算。视觉。 119，第2期，179-193（2016）.
摘要：本文提出了一种新的相似性度量，它对全局和局部仿射光照变化具有不变性。与现有方法不同，它的计算复杂度很低。当用于立体对应估计时，其计算复杂度与图像像素数和视差搜索范围呈线性关系。在Middlebury基准的精确度方面，它也优于当前最先进的相似性度量（具有辐射差异）。

MSC公司：

68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

立体匹配;最小生成树;辐射变化
PDF格式BibTeX公司 XML格式引用
\textit{J.Xu}等人，《国际计算杂志》。视觉。119、2号、179--193（2016；Zbl 1398.68602）
全文： 内政部

参考文献：

[1] 布朗，M；布尔施卡，D；Hager，GD，计算立体声进展，IEEE交易模式分析和机器智能，25993-1008，（2003）·doi:10.1109/TPAMI.2003.1217603
[2] 中国，A；卓，S；古普塔，右；泰，Y；Cho，S；Tan，P；Lin，S，互联网图像的语义着色，ACM图形转换，30156:1-156:8，（2011）
[3] Cox，I.、Roy，S.和Hingorani，S.（1995）。用于恒定图像亮度的图像对的动态直方图扭曲。在ICIP公司.
[4] De-Maeztu，L.、Mattoccia，S.、Villanueva，A.和Cabeza，R.（2011年）。线性立体匹配。在ICCV，2011年11月（第1708-1715页）。
[5] 丁毅、肖杰和于杰（2011）。图像重定目标的重要性过滤。在CVPR公司.
[6] Egnal，G.（2000年）。作为立体通信措施的相互信息，技术报告MS-CIS-00-20。宾夕法尼亚大学计算机与信息科学。
[7] Goesele，M.、Snavely，N.、Curless，B.、Hoppe，H.和Seitz，S.（2007年）。用于社区照片收集的多视图立体声。在ICCV公司.
[8] He，K.，Rhemann，C.，Rother，C.，Tang，X.，&Sun，J.（2011）阿尔法消光的全球采样方法。在CVPR，2011年6月（第2049-2056页）。
[9] He，K；孙，J；Tang，X，使用暗通道优先去除单幅图像模糊，IEEE事务模式分析和机器智能，332341-2353，（2011）·doi:10.1109/TPAMI.2010.168
[10] He，K；孙，J；Tang，X，引导图像过滤，IEEE事务模式分析和机器智能，351397-1409，（2013）·doi:10.1109/TPAMI.2012.213
[11] Heo，Y.、Lee，K.和Lee，S.（2009年）。基于互信息的立体匹配结合了对数彩色空间中的sift描述子。在CVPR，2009年（第445-452页）。
[12] 你好，Y；李，K；Lee，S，使用自适应归一化互相关的鲁棒立体匹配，IEEE事务模式分析和机器智能，33807-822，（2011）·doi:10.1109/TPAMI.2010.136
[13] Heo，Y.、Lee，K.和Lee，S.（2013）。不同光照和相机立体图像的联合深度图和颜色一致性估计。IEEE事务模式分析与机器智能,35(5), 1094-1106.
[14] 赫斯特内斯，M；Stiefel，D，求解线性系统的共轭梯度方法，IEEE交易模式分析和机器智能，49，409-436，（1952）·Zbl 0048.09901号
[15] Hirschmuller，H，通过半全局匹配和互信息进行立体处理，IEEE事务模式分析和机器智能，30328-341，（2008）·doi:10.10109/TPAMI.2007.1166
[16] Hirschmuller，H；Scharstein，D，《辐射差异图像立体匹配成本评估》，IEEE交易模式分析与机器智能，311582-1599，（2009）·doi:10.1109/TPAMI.2008.221
[17] Hosni，A；莱曼，C；布莱尔，M；罗瑟，C；Gelautz，M，《视觉通信及其以外的快速成本-体积过滤》，IEEE交易模式分析和机器智能，35，504-511，（2013）·doi:10.1109/TPAMI.2012.156
[18] Kim，J.、Kolmogorov，V.和Zabih，R.（2003）。利用能量最小化和互信息进行视觉通信。在ICCV公司.
[19] Klaus，A.、Sormann，M.和Karner，K.（2006年）。基于信念传播和自适应差异性测度的分段立体匹配。在ICPR，2006年（第15-18页）。
[20] 莱文，A；Lischinski，D；Weiss，Y，《自然图像拼接的封闭式解决方案》，IEEE事务模式分析和机器智能，30，228-242，（2008）·doi:10.1109/TPAMI.2007.1177
[21] Scharstein，D.和Szeliski，R.（2002a）Middlebury立体数据集。http://vision.middlebury.edu/streou/data/。 ·Zbl 1039.68731号
[22] Scharstein，D.和Szeliski，R.（2002b）。稠密双帧立体对应算法的分类和评估。国际计算机视觉杂志,47, 7-42. ·兹比尔1012.68731
[23] Snavely，N；塞茨，SM；Szeliski，R，《照片旅游：探索三维照片收藏》，IEEE交易模式分析和机器智能，25835-846，（2006）
[24] Wang，L.，&Yang，R.（2011）。稀疏地面控制点利用的全球立体匹配。在CVPR，2011年6月（第3033-3040页）。
[25] 王，L；杨，R；Davis，J，使用光传输恒定性的Brdf不变立体，IEEE交易模式分析和机器智能，291616-1626，（2007）·doi:10.1109/TPAMI.2007.1171
[26] Yang，Q.，Wang，L.和Ahuja，N.（2010）一种用于立体匹配的恒定空间置信传播算法。在CVPR，2010年（第1458-1465页）。
[27] 杨，Q；王，L；杨，R；斯蒂文尼乌斯，H；Nister，D，带颜色加权相关性的立体匹配，层次信念传播和遮挡处理，IEEE事务模式分析和机器智能，31492-504，（2009）·doi:10.1109/TPAMI.2008.99
[28] Yang，Q，使用树过滤的立体匹配，IEEE事务模式分析和机器智能，37834-846，（2015）·doi:10.1109/TPAMI.2014.2353642
[29] Yoon，K-J；Kweon，I-S，通信搜索的自适应支持-加权方法，IEEE事务模式分析和机器智能，28650-656，（2006）·doi:10.1109/TPAMI.2006.70
[30] Zabih，R.和Woodfill，J.（1994）。用于计算视觉对应的非参数局部变换。在ECCV，1994年（第151-158页）。
[31] Zhu，S.，Zhang，L.，&Jin，H.（2012）。立体匹配中边界保持正则化的局部线性回归模型。在第十二届欧洲计算机视觉会议记录——第五卷，ser。ECCV’12（第101-115页）。柏林：Springer-Verlag。
[32] Zomet，A.和Peleg，S.（2002年）。多传感器超分辨率。在WACV（加权平均值）.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。