改进的立体像对稠密匹配算法

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (01): 212-0217.

改进的立体像对稠密匹配算法

葛亮,朱庆生,傅思思,罗大江,刘金凤

重庆大学计算机学院|重庆 400030

收稿日期:2008-04-01 出版日期:2010-01-01 发布日期:2010-01-01
通讯作者: 朱庆生（1965-）,男,教授,博士生导师.研究方向:图像处理，虚拟现实，商务智能. E-mail:qszhu@cqu.edu.cn E-mail:qszhu@cqu.edu.cn
作者简介:葛亮（1980-）,男,博士研究生.研究方向:计算机视觉技术.E-mail:geliang@cqu.edu.cn
基金资助:
“863”国家高技术研究发展计划项目（2006AA10Z233）；国家自然科学基金项目（60773082/F0205）；重庆市自然科学基金项目(CSTC2006BB2229)

Improved image dense stereo matching algorithm

GE Liang, ZHU Qing-sheng, FU Si-si, LUO Da-jiang, LIU Jin-feng

College of Computer Science, Chongqing University, Chongqing 400030, China

Received:2008-04-01 Online:2010-01-01 Published:2010-01-01

摘要/Abstract

摘要：

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题，提出了一种改进的立体像对稠密匹配算法。该算法首先利用区域增长技术找到图像中的纹理单一区域，然后将整个区域作为匹配基元以得到纹理单一区域的稠密视差图。相对于点基元，区域基元包含的信息更多，且在图像中不易重复出现，因此可以减少误匹配发生的几率。在国际标准测试图像上进行了实验，结果证明该算法的可行性与准确性。

关键词: 计算机应用, 计算机视觉, 立体匹配, 基于区域的匹配, 纹理单一, 视差计算

Abstract:

To obtain better disparity result of the less textured area of image, an improved dense stereo matching algorithm is proposed. First, the image is divided into several less textured or well textured areas based on region-growing strategy. Then, the dense disparity map of the less textured area is identified through the matching based on the whole region. Compared to pixel, a region contains more information and repeats seldom occur, thus reducing the probability of matching error. The proposed algorithm was tested with the international standard image data and compared with several existing algorithms. Experiment results show that the performance of the improved algorithm is better in handling less textured area and can be use in practice.

Key words: computer application, computer vision, stereo matching, matching based on region, less textured, disparity computation

中图分类号:

TP391

葛亮,朱庆生,傅思思,罗大江,刘金凤. 改进的立体像对稠密匹配算法[J]. 吉林大学学报(工学版), 2010, 40(01): 212-0217.

GE Liang, ZHU Qing-sheng, FU Si-si, LUO Da-jiang, LIU Jin-feng. Improved image dense stereo matching algorithm[J]. 吉林大学学报(工学版), 2010, 40(01): 212-0217.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed