發(fā)布時(shí)間：2021-09-02 08:10

　　雙目立體視覺是計(jì)算機(jī)視覺中一個(gè)重要的分支,主要用于獲得場景的深度,從二維圖像中獲得三維的信息,可用于自動駕駛、場景重建等領(lǐng)域,其中立體匹配算法就是從多幅二維的圖像中獲取深度信息,即視差圖的技術(shù)核心。國內(nèi)外諸多學(xué)者已經(jīng)提出了很多優(yōu)秀的立體匹配算法,有基于局部紋理信息進(jìn)行模板匹配的局部匹配算法,也有利用圖像分割和最小生成樹的全局匹配算法,還有先建立匹配的代價(jià)函數(shù)然后進(jìn)行優(yōu)化的全局匹配算法等。本文作者分析理想視差圖的特點(diǎn),確定了關(guān)于立體匹配中代價(jià)函數(shù)的先驗(yàn),從信息論中熵的概念著手,分析了圖像灰度熵的特點(diǎn),及其作為全局匹配算法代價(jià)函數(shù)的可行性。為滿足立體匹配代價(jià)函數(shù)的要求,引入聯(lián)合熵和互信息的概念,以灰度互信息作為代價(jià)函數(shù)構(gòu)建的基礎(chǔ)。為了增強(qiáng)鄰域像素間的約束,讓視差圖滿足平滑完整的先驗(yàn),綜合理想雙目系統(tǒng)的特點(diǎn)后,本文在構(gòu)建代價(jià)函數(shù)后加入了正則化項(xiàng)進(jìn)行代價(jià)聚合,從而獲得最終的代價(jià)函數(shù)。為了優(yōu)化該代價(jià)函數(shù),根據(jù)代價(jià)函數(shù)的特點(diǎn),引入了掃描線優(yōu)化算法,構(gòu)建了每個(gè)像素點(diǎn)的代價(jià)值對于不同視差值的表達(dá)式,本文選擇從多個(gè)方向進(jìn)行掃描線優(yōu)化來強(qiáng)化鄰域點(diǎn)點(diǎn)約束,從而降低掃描線優(yōu)化所帶來的縱向條紋瑕疵。構(gòu)建完優(yōu)化流... 

【文章來源】：武漢紡織大學(xué)湖北省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

視差值與深度關(guān)系圖

圖 2.3 視差值與深度層關(guān)系示意圖如果從答案來驗(yàn)證問題，一個(gè)在匹配圖中的點(diǎn) p 對應(yīng)了一個(gè)物理空間中的點(diǎn)，已知它的真實(shí)視差值為 d，通過視差值 d 來修正得到一個(gè)在基準(zhǔn)圖中點(diǎn) q，因?yàn)槭抢硐氲碾p目立體匹配圖，那么點(diǎn) 與點(diǎn) 在水平方向的距離為 ，即匹配圖中點(diǎn) 的坐標(biāo)為( , )，對應(yīng)的基準(zhǔn)圖中點(diǎn) 的坐標(biāo)為( , )= ( , )，在此定義一個(gè)視差修正的函數(shù) ，視差修正的表達(dá)式定義如下公式 2.3( , ) （2.3）視差修正將用于匹配環(huán)節(jié)，將匹配點(diǎn) p 根據(jù)視差值 d 修正后得到的基本圖中的點(diǎn) q進(jìn)行比較和計(jì)算，就能確定視差值 d 對于點(diǎn) p 是否“合適”，通常只關(guān)注一個(gè)像素點(diǎn)的數(shù)據(jù)是沒辦法獲得好的結(jié)果，而且一般的全局匹配算法會多次迭代來優(yōu)化視差數(shù)據(jù)，所以視差修正會幫助算法一步一步接近問題的“答案”，即真實(shí)的視差圖。簡而言之，視差修正環(huán)節(jié)就是用“答案”來誘導(dǎo)問題向著“答案”的方向發(fā)展。

都由一個(gè) 0-255 的離散通道組成，所以一張灰度圖就可以看作由有限個(gè)像素點(diǎn)構(gòu)成的離散系統(tǒng)，每個(gè)像素點(diǎn)的值就是一個(gè)隨機(jī)變量。圖像中像素點(diǎn)的灰度值分布就可以看作圖像的信息，在信息論中用熵來表示。熵來表示隨機(jī)變量的無序程度，或者稱為變量的信息量，當(dāng)變量的無序程度越強(qiáng)，那么變量的信息量就越少，則熵越大。對于一個(gè)一維的隨機(jī)變量 x 組成的系統(tǒng) S，x 在有限的變化范圍內(nèi)，其系統(tǒng)的熵 ( )跟 x 在值域內(nèi)的概率分布有關(guān)，系統(tǒng) S 的熵就表示為 x 的概率分布函數(shù) 與其自然對數(shù)的乘積在 x 值域內(nèi)的積分，然后取負(fù)，連續(xù)隨機(jī)變量的熵 ( )的計(jì)算公式 2.4 如下( ) ln （2.4）對于離散的隨機(jī)變量，H(x)也有類似的計(jì)算公式，在使用 255 分度的灰度值作為變量值域時(shí)，圖像的灰度熵表示為離散形式，圖像的灰度熵 H(x)公式 2.5 如下( )1ln （2.5）表示某一像素 x 的灰度值在整個(gè)圖像系統(tǒng)中出現(xiàn)的概率， 呈現(xiàn)了圖像的灰度分布情況，使用圖形表示就是常用的灰度直方圖，統(tǒng)計(jì)一張圖片的灰度數(shù)據(jù)生成灰度分布的列表并繪制灰度直方圖如下圖 2.3。

【參考文獻(xiàn)】：
期刊論文
[1]平行雙目立體視覺的極線校正方法[J]. 李娜.  北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2019(01)
[2]基于視差幾何模型的立體視覺測距方法[J]. 顧金鳳,劉祥勇,紀(jì)亞強(qiáng),劉操,唐煒.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[3]基于雙目視覺的增強(qiáng)現(xiàn)實(shí)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 郭子興,張曉林,高巖.  電子設(shè)計(jì)工程. 2018(23)
[4]一種基于自適應(yīng)權(quán)重SAD與Census融合的匹配算法[J]. 鄒進(jìn)貴,萬熒,孟麗媛.  測繪通報(bào). 2018(11)
[5]基于融合動態(tài)模板匹配的雙目測距算法[J]. 史珂路,田軍委,雷志強(qiáng),張歡歡,孫雷.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(11)
[6]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.  光學(xué)學(xué)報(bào). 2019(03)
[7]遞歸邊緣保持型雙目立體匹配算法研究[J]. 帥然,呂植勇,劉昌偉,賴俊豪.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2018(05)
[8]基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的立體匹配方法[J]. 習(xí)路,陸濟(jì)湘,涂婷.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[9]基于OpenCV的雙目立體匹配方法[J]. 孫道輝,孫麗君,陳天飛.  軟件導(dǎo)刊. 2018(09)
[10]基于雙目立體視覺的三維重建方法[J]. 張如如,葛廣英,申哲,朱榮華,張廣世,孫群.  揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)

博士論文
[1]立體匹配技術(shù)的研究[D]. 耿英楠.吉林大學(xué) 2014
[2]基于遮擋信息的局部立體匹配算法的研究[D]. 王瑋.山東大學(xué) 2012

碩士論文
[1]基于分層算法的立體圖像匹配方法研究[D]. 衣家欣.青島理工大學(xué) 2018



本文編號：3378662