立體匹配作為立體視覺深度感知中的一個研究重點,其主要目的是為了獲得準(zhǔn)確的三維場景信息。同時,由于立體匹配具有對光照不敏感、在室外環(huán)境中更加魯棒的特點,因此被廣泛應(yīng)用于三維重建、圖像重聚焦、視圖插值等領(lǐng)域。然而,當(dāng)前的立體匹配算法中還存在著缺少二維信息與三維信息的融合、弱紋理區(qū)域容易產(chǎn)生誤匹配、計算復(fù)雜性高和不能有效利用多尺度信息等問題,限制了算法精確性的進(jìn)一步提升。為此,本文針對上述問題進(jìn)行了以下四個部分的深入研究:（1）基于樹的非局部代價聚合立體匹配算法研究。為了解決將二維信息與三維信息相結(jié)合的問題,首先提出了迭代顏色-深度最小生成樹代價聚合立體匹配算法。該算法在構(gòu)建最小生成樹結(jié)構(gòu)時引入了三維信息,并通過給出弱紋理敏感匹配代價計算方法,使在弱紋理區(qū)域容易產(chǎn)生誤匹配的問題得以改善。在此基礎(chǔ)上,提出了改進(jìn)的分割樹代價聚合立體匹配算法。該算法在構(gòu)建分割樹結(jié)構(gòu)時不僅引入三維信息和弱紋理敏感匹配代價計算方法,還通過改進(jìn)分割策略使其更加符合視差一致性準(zhǔn)則。實驗結(jié)果表明,上述算法在保持實時性的同時,在整數(shù)精度上的準(zhǔn)確性優(yōu)于其它同類算法。（2）空間塊匹配虛擬像素代價聚合立體匹配。該算法以最近鄰場為基... 

【文章來源】：天津理工大學(xué)天津市

【文章頁數(shù)】：121 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 代價聚合立體匹配算法
        1.2.2 全局立體匹配算法
        1.2.3 半全局立體匹配算法
        1.2.4 其它算法研究進(jìn)展
    1.3 研究問題與挑戰(zhàn)
    1.4 本文的研究內(nèi)容
    1.5 本文的組織結(jié)構(gòu)
第二章 基本算法分析與評價標(biāo)準(zhǔn)
    2.1 引言
    2.2 樸素法
    2.3 基本算法分析
        2.3.1 代價聚合立體匹配算法
        2.3.2 全局立體匹配算法
        2.3.3 半全局立體匹配算法
    2.4 立體匹配數(shù)據(jù)集與評價標(biāo)準(zhǔn)
    2.5 本章總結(jié)
第三章 基于樹的非局部代價聚合立體匹配算法研究
    3.1 引言
    3.2 迭代顏色-深度最小生成樹代價聚合立體匹配
        3.2.1 2D與3D信息在最小生成樹結(jié)構(gòu)上的融合
        3.2.2 最小生成樹非局部代價聚合立體匹配
        3.2.3 有效處理弱紋理區(qū)域的匹配代價計算
        3.2.4 迭代顏色-深度最小生成樹代價聚合
        3.2.5 實驗結(jié)果與分析
    3.3 改進(jìn)的分割樹代價聚合立體匹配
        3.3.1 在分割樹結(jié)構(gòu)上采用改進(jìn)的分割策略
        3.3.2 分割樹非局部代價聚合立體匹配
        3.3.3 改進(jìn)的分割樹代價聚合
        3.3.4 實驗結(jié)果與分析
    3.4 本章總結(jié)
第四章 空間塊匹配虛擬像素代價聚合立體匹配
    4.1 引言
    4.2 空間塊匹配虛擬像素代價聚合立體匹配
        4.2.1 塊匹配算法的缺陷及優(yōu)化策略
        4.2.2 塊匹配立體匹配
        4.2.3 空間塊匹配立體匹配
        4.2.4 空間塊匹配虛擬像素代價聚合
        4.2.5 實驗結(jié)果與分析
    4.3 本章總結(jié)
第五章 代價聚合作為能量函數(shù)數(shù)據(jù)項的全局算法
    5.1 引言
    5.2 非局部代價聚合作為能量函數(shù)數(shù)據(jù)項的全局算法
        5.2.1 TSGO算法缺陷及優(yōu)化策略
        5.2.2 AGO算法的能量函數(shù)模型
        5.2.3 采用改進(jìn)的TRW-S算子對能量函數(shù)的優(yōu)化
        5.2.4 實驗結(jié)果與分析
    5.3 多尺度代價聚合作為能量函數(shù)數(shù)據(jù)項的全局算法
        5.3.1 MS模型與CSCF模型的融合
        5.3.2 MSCS算法的能量函數(shù)模型
        5.3.3 采用MS模型與CSCF模型對能量函數(shù)的優(yōu)化
        5.3.4 MSCS算法實現(xiàn)細(xì)節(jié)
        5.3.5 實驗結(jié)果與分析
    5.4 本章總結(jié)
第六章 帶有自適應(yīng)平滑先驗的極限全局化立體匹配
    6.1 引言
    6.2 帶有自適應(yīng)平滑先驗的極限全局化立體匹配
        6.2.1 極限全局化與自適應(yīng)平滑先驗策略
        6.2.2 AGAP算法模型
        6.2.3 AGAP算法實現(xiàn)與加速策略
        6.2.4 實驗結(jié)果與分析
    6.3 本章總結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 未來展望
參考文獻(xiàn)
發(fā)表論文和科研情況說明
致謝


【參考文獻(xiàn)】：
博士論文
[1]基于圖像深度感知中的立體匹配和深度增強(qiáng)算法研究[D]. 張康.清華大學(xué) 2015



本文編號：3245173