立體匹配一直以來(lái)都是雙目視覺領(lǐng)域中研究的重點(diǎn)和難點(diǎn)。針對(duì)現(xiàn)有立體匹配算法邊緣保持性差、匹配精度低等問(wèn)題,提出了一種二次加權(quán)引導(dǎo)濾波融合雙色彩空間模型的立體匹配算法（Secondary Weighted Guided Filtering fusion double color model,SWGF）。首先在代價(jià)計(jì)算階段提出了一種雙色彩空間模型,從兩個(gè)顏色空間進(jìn)行像素顏色匹配代價(jià)計(jì)算,增強(qiáng)像素在低紋理區(qū)域的特征;然后在代價(jià)聚合階段基于HSV顏色空間利用不同窗口中像素紋理不同加入一個(gè)邊緣保持項(xiàng),從而使正則化參數(shù)進(jìn)行自適應(yīng)調(diào)整。在一次引導(dǎo)濾波之后,我們使用Census變換得到的漢明距離和初始視差完成一次代價(jià)更新,再次對(duì)其進(jìn)行代價(jià)聚合,隨后計(jì)算視差并對(duì)視差進(jìn)行左右一致性檢測(cè)、空洞填充和加權(quán)中值濾波等優(yōu)化,最后獲得視差圖。本文算法在Middlebury測(cè)試平臺(tái)上測(cè)試結(jié)果表明SWGF算法誤匹配率僅為4.61%,可以大幅提升立體匹配的精度,同時(shí)增強(qiáng)其邊緣保持性。 

【文章來(lái)源】：光電子·激光. 2020,31(08)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

算法流程

本文基于python語(yǔ)言,將網(wǎng)站提供的標(biāo)準(zhǔn)測(cè)試圖像,如圖2,在 Middlebury[17]測(cè)試平臺(tái)上進(jìn)行測(cè)試。四幅圖像的視差搜索范圍和圖像大小如表1所示。本文中的參數(shù)是根據(jù)大量實(shí)驗(yàn)所取得的最優(yōu)值,參數(shù)設(shè)置如表2,算法在對(duì)四幅圖像測(cè)試的過(guò)程中除了視差范圍不同,其他參數(shù)均不變。表1 測(cè)試圖像及圖像參數(shù)Tab.1 Test images and image parameters Parameters Tsukuba Venus Teddy Cones Image size 384×288 434×383 450×375 450×375 range 0～15 0～20;0～60 0～60

對(duì)圖2的標(biāo)準(zhǔn)圖像teddy進(jìn)行對(duì)比試驗(yàn),分別采用AD,梯度,AD+梯度和本文雙色彩空間模型做對(duì)比,實(shí)驗(yàn)中僅代價(jià)計(jì)算方法不同,實(shí)驗(yàn)結(jié)果如圖(3),實(shí)驗(yàn)數(shù)據(jù)表明,本文提出的代價(jià)計(jì)算方法誤匹配率為9.20%,相較于對(duì)比試驗(yàn)采用AD代價(jià)函數(shù)13.71%的誤匹配率,采用梯度代價(jià)函數(shù)10.41%的誤匹配率,和采用AD+梯度代價(jià)函數(shù)9.63%的誤匹配率,本文雙色彩空間模型誤匹配率有所降低。4.2 SWGF算法的有效性

【參考文獻(xiàn)】：
期刊論文
[1]融合梯度特性與置信度的立體匹配算法[J]. 范海瑞,楊帆,潘旭冉,李靖,潘國(guó)峰.  光電子·激光. 2019(09)
[2]基于圖像分割的稠密立體匹配算法[J]. 馬瑞浩,朱楓,吳清瀟,魯榮榮,魏景陽(yáng).  光學(xué)學(xué)報(bào). 2019(03)
[3]基于改進(jìn)代價(jià)計(jì)算和自適應(yīng)引導(dǎo)濾波的立體匹配[J]. 閆利,王芮,劉華,陳長(zhǎng)軍.  光學(xué)學(xué)報(bào). 2018(11)
[4]基于穩(wěn)定樹的立體匹配視差優(yōu)化算法[J]. 季雨航,馬利莊.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(12)
[5]基于改進(jìn)梯度和自適應(yīng)窗口的立體匹配算法[J]. 祝世平,李政.  光學(xué)學(xué)報(bào). 2015(01)



本文編號(hào)：3489874