多尺度引导滤波加权聚合的立体匹配算法

针对多尺度局部匹配中出现边缘信息被过度平滑导致误匹配的现象,该文利用图像多尺度信息,提出多尺度引导滤波加权聚合的立体匹配算法以提高匹配精度。在代价计算阶段,改进了Census方法,并结合图像多尺度特征信息,融合绝对差值算子和零均值归一化算子,获取稳定的初始匹配代价。在代价聚合阶段,根据图像多尺度信息构建多尺度模型,在多尺度模型中引入邻域方差,提高多尺度模型的边缘保持能力,提高视差图质量。实验结果表明,该文利用图像的多尺度信息可以更好地对图像特征进行匹配,相比单尺度引导滤波算法以及传统多尺度算法整体匹配精度有明显提高,且在非边缘区域视差过渡更加平滑,验证该文提出的多尺度立体匹配算法的可行性。     

基于边缘的多尺度立体匹配算法

提出了一种面向对象的多尺度递进的立体匹配算法,实现了由粗到细的快速立体匹配。首先对参考图进行粗分割获取目标对象,针对目标区域采用边缘线动态规划的方法获取视差,根据精度需求进一步判断该目标是否需要细分以获取更加精细的视差,得到有效的视差图。实验结果表明此方法快速有效。     

多尺度边缘动态规划立体匹配算法

目前大多数立体匹配方法都是基于像素处理,而以面向对象的方式进行立体匹配则更加符合人类视觉习惯。该文提出一种面向对象的多尺度递进的立体匹配算法,实现由粗到细的快速立体匹配。首先对参考图进行粗分割获取目标对象,然后针对目标区域采用边缘线动态规划的方法获取视差,再根据精度需求进一步判断该目标是否需要细分以获取更加精细的视差,最后得到有效的视差图。实验证明,这种方法以目标区域为对象避免了从像素级逐一运算,不仅使处理速度加快,而且还能保持有效精度。     

改进代价计算的AD-Census立体匹配算法

针对现有AD-Census代价计算时,Census变换依赖中心像素,对场景光照、亮度敏感的问题,提出一种基于子区域均匀度变换的改进代价计算方法。对Middlebury数据集在无幅度失真、不同亮度、不同光照场景下的代价计算以及立体匹配实验的统计结果表明,改进后的算法在非遮挡区以及所有区域的误匹配率均低于改进前,在代价计算环节,整体区域平均降低了5.80%,最终立体匹配后的视差图平均降低了1.55%。改进后的算法在不同亮度以及不同光照场景下对匹配的精度提升更加地显著,验证了改进算法的有效性。     

结合颜色信息的 Census变换半全局立体匹配算法

针对传统单一Census变换未充分利用影像信息且精度不高的问题,该文提出了一种结合颜色信息的Census变换半全局立体匹配算法。该算法联合像素点间RGB颜色绝对差值与其Census变换值的匹配代价计算方法,采用八方向半全局视差获取方法获得初始稠密视差图。为进一步提高匹配精度,利用左右一致性交叉检测确定初始视差图中不稳定视差;采用基于均值偏移图像分割的视差优化算法对视差图中不稳定视差进行优化,获得最终视差图。选取4组middlebury立体图片库经典立体像对进行视差获取实验并检测。结果表明,本算法能够获得较高精度且可靠视差图,且在遮挡、视差不连续处的视差精度明显优于单一Census变换立体匹配算法及一些改进半全局立体匹配算法。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

HBP立体匹配算法性能分析与仿真实验

多层次置信度传播(HBP)立体匹配算法是传统置信度传播算法通过距离变换优化、奇偶场优化、金字塔优化算法改进后的高性能算法。介绍了HBP算法的原理及相关理论模型,分析了HBP算法的参数多且设置困难、实用性不高等问题。运用穷举最佳组合的方式求取了3组图像的最佳组合参数,发现不同数据的最佳组合参数不一致,并对参数设置规律进行了分析总结。     

基于相关系数法的彩色图像立体匹配方法

提出了一种基于相关系数法的彩色图像分3个波段匹配方法.本方法分两步进行影像匹配,首先利用相关系数作为匹配测度对同一个彩色影像的不同波段实施粗匹配,通过结果剔除误匹配点,然后在初匹配的结果基础上采用最小二乘实现亚像素级匹配.实验结果表明彩色影像立体匹配方法是精确有效的.     

三角网约束的立体影像密集匹配方法

文中总结了基于三角网约束的立体影像密集匹配方法。本次实验采用核线影像,首先在核线影像上使用SIFT算子匹配出一部分可靠的种子点,然后用这些种子点构建Delaunay三角网。该网络能够将所加密的点的位置范围作为一个约束,根据左右影像上同名三角网的位置、左影像上某一三角形重心位置、该三角形在右影像上的对应的三角形的重新坐标,以及左侧重心在右侧像方影像的核线,在核线约束与灰度相似性约束的两层限制下,完成点-点的匹配工作。本文采用Matlab程序实现对待匹配三角形重心的加密,运用核线约束方法,将点匹配的搜索区域由二维降到一维,不但能缩小搜索范围,提高工作效率,而且很大程度上降低了错误发生的概率,既能使得算法的运算速度得以提升,又能使其匹配精度得到较大的改善。     

一种基于三角网约束的立体影像线特征多级匹配方法

针对直线匹配可靠性问题,提出了一种基于三角网约束的立体影像线特征多级匹配方法。首先采用SURF算法匹配一部分可靠的种子点,利用这些种子点约束其邻域内的直线匹配;然后,将这些种子点构建三角网,利用三角网约束直线匹配的搜索范围,进行三角网约束下的线-线匹配;再次,在三角网的约束下,进行线-面匹配。为了提高直线匹配相似性测度的可区分性,提出了基于移动窗口的自适应直线相关方法,不仅在表面非连续区域能取得可靠匹配,在纹理缺乏区域也能取得可靠匹配结果。利用具有典型纹理特征的近景影像和航空影像进行了试验分析,结果表明,本方法能获取可靠的直线匹配结果。     

引入自适应窗口的立体图像匹配算法

基于灰度的数字图像立体匹配算法的中心问题是选择一个适当尺寸的窗口。窗口尺寸既要尽可能地大，以便为可靠匹配包容足够的灰度变化；又要尽可能地小，以避开投影畸变的影响。本文介绍一种通过测算局部灰度和视差变化来选取适当窗口的方法。该方法引入一个窗口范围内的视差分布统计模型（随机模型）。利用该模型可确定，在窗口内的视差变化及灰度变化引起的窗口中心点视差估值的统计误差。以此为基础，文中提出一种窗口搜索方法，以对整幅图像上每一像素求出一个统计误差为最小的视差估值。这种算法不仅能自适应地调节窗口的尺寸，而且亦能同时调整窗口的形状（矩形）。     

一种利用网格划分及方向加权的地图匹配算法

地图匹配算法目的是将偏离道路的点纠正到正确位置上。本文基于传统的点到线的地图匹配算法,通过引入网格划分的概念来确认候选匹配道路,并且加权了方向因素来计算点到线的匹配程度。试验表明,改进后的算法能够提高其准确性,并且一定程度上提高了算法的效率,具有一定的实用价值。     

顾及拓扑关系的立体影像直线特征可靠匹配算法

针对单直线匹配过程中缺乏考虑邻近直线特征之间关系,纹理断裂处单一直线描述符的弱可靠性,提出了一种顾及拓扑关系的立体影像直线特征可靠匹配算法。该算法首先根据直线间距离、角度等基本拓扑关系对参考影像、搜索影像上提取的直线进行编组;然后将编组得到的直线组作为匹配基元,充分利用直线特征组内的拓扑关系,依次采用核线约束、单应矩阵约束、象限约束、不规则三角形区域灰度相关约束对其进行匹配;最后将同名直线组分裂为两对同名单直线、并对分裂后的结果进行整合、拟合、检核等后处理,得到"一对一"的同名直线。选取典型纹理特征的航空影像和近景影像进行参数分析及直线匹配试验,结果表明,本文算法能获取可靠的直线匹配结果。     

改进边缘能量聚集的半全局匹配算法

针对传统半全局算法匹配时间长和视差突变处易存在误匹配的问题,提出了一种改进边缘能量聚集的半全局匹配算法。在半全局匹配算法的基础上,引入金字塔分层策略,通过对图像降采样进行加速匹配,降低匹配算法的复杂度,减少内存的消耗。利用Canny算子获得分层图像的边缘信息,匹配时根据边缘信息改进边缘处的代价聚合并构建自适应窗口减小视差搜索域,获得正确率更高的视差图。结果表明,该算法可将明显提高匹配速率,降低运算复杂度,提高正确率。     

多级SPOT立体影像匹配

立体影像匹配是自动提取SPOT影像高程信息的关键技术。本文根据SPOT影像在几何构像关系和影像质量上的特点,提出了多级匹配的结构策略。实际像对匹配实验表明,多级匹配法具有较好的可靠性和精度水平,而且运算速度快,在快速生成DEM数据辅助遥感信息分析方面,有重要的应用价值。     

边缘约束的航摄立体影像密集匹配方法

航摄影像中的房屋边缘等深度不连续给密集匹配带来了极大的挑战.传统半全局密集匹配(semi-global match-ing,SGM)方法中使用双参数进行视差平滑约束,但对整张图像使用同一参数难以适应航摄影像中复杂的场景;参数太大时易导致深度不连续处过度平滑,丢失边角特征,参数太小时易导致在平坦区域平滑约束不足,造成点云...