基于限制搜索空间的快速立体匹配方法

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (02): 423-428.

基于限制搜索空间的快速立体匹配方法

门朝光, 边继龙, 李香

哈尔滨工程大学计算机科学与技术学院, 哈尔滨 150001

收稿日期:2010-10-28 出版日期:2012-03-01 发布日期:2012-03-01
通讯作者: 边继龙(1982-),男,博士研究生.研究方向:立体匹配,三维重建.E-mail:bianjilong@hrbeu.edu.cn E-mail:bianjilong@hrbeu.edu.cn
作者简介:门朝光(1963-),男,教授,博士生导师.研究方向:可信计算,图像处理. E-mail:menchaoguang@hrbeu.edu.cn
基金资助:
国家自然科学基金项目(61100004);中央高校基本科研业务费专项资金项目(HEUCF100607).

Fast stereo matching algorithm based on limited search space

MEN Chao-guang, BIAN Ji-long, LI Xiang

College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China

Received:2010-10-28 Online:2012-03-01 Published:2012-03-01

摘要/Abstract

摘要： 为快速而准确地得到稠密视差图,提出了一种基于限制搜索空间的动态规划立体匹配算法。该算法以动态规划立体匹配方法为基础,通过初始匹配序列限制搜索空间以减少搜索变量个数。同时,提出一种基于自适应权重的多窗口累积策略来提高匹配精度,并在平滑性限制中引入亮度梯度以避免在物体边界的视差不连续处产生过度惩罚。实验结果表明,该匹配算法在匹配速度和匹配精度上都有很大的提高,是一种简单有效的立体匹配算法。

关键词: 计算机应用, 立体匹配, 动态规划, 视差估计, 搜索空间

Abstract: A fast stereo matching algorithm based on dynamic programming on limited search space is proposed to attain an accurate dense disparity map. The proposed algorithm is built on the base of dynamic programming for stereo matching and it limits the search space by an initial match sequence to reduce the number of vertices to be expanded. The multi-window aggregation strategy based on adaptive weight is proposed to improve the matching accuracy. The brightness gradient is integrated into the smoothness constraints to avoid over-punishment on disparity discontinuity on object boundary. Experimental results show that the matching speed and accuracy of the proposed algorithm are greatly improved, and the algorithm is simple and effective for stereo matching.

Key words: computer application, stereo matching, dynamic programming, disparity estimation, search space

中图分类号:

TP391.41

门朝光, 边继龙, 李香. 基于限制搜索空间的快速立体匹配方法[J]. 吉林大学学报(工学版), 2012, 42(02): 423-428.

MEN Chao-guang, BIAN Ji-long, LI Xiang. Fast stereo matching algorithm based on limited search space[J]. 吉林大学学报(工学版), 2012, 42(02): 423-428.

参考文献

[1] Scharstein D, Szeliski R. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms［J］. International Journal of Computer Vision, 2002, 47(1-3):7-42.

[2] Yoon K J, Kweon S. Adaptive support-weight approach for correspondence search［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(4): 650-656.

[3] De-maeztu L, Villanueva A, Cabeza R. Stereo matching using gradient similarity and locally adaptive support-weight［J］. Pattern Recognition Letters, 2011, 32(13): 1643-1651.

[4] Geiger D, Ladendorf B, Yuille A. Occlusions and binocular stereo［J］. International Journal of Computer Vision, 1995, 14(3):211-226.

[5] Cox I J, Hingorani S L, Rao S B, et al. A maximum likelihood stereo algorithm［J］. Computer Vision Image Understanding, 1996, 63(3):542-567.

[6] Birchfield S, Tomasi C. Depth discontinuities by pixel-to-pixel stereo［J］. International Journal of Computer Vision, 1999, 35(3):269-293.

[7] Bobick A F, Intille S S. Large occlusions stereo［J］. International Journal of Computer Vision, 1999, 33(3):181-200.

[8] 刘赫伟,汪增福.一种沿区域边界的动态规划立体匹配算法［J］.模式识别与人工智能,2010,23(1):38-44. Liu He-wei, Wang Zeng-fu. Stereo matching algorithm based on dynamic programming along region boundary［J］. Pattern Recognition and Artificial Intelligence, 2010, 23(1): 38-44.

[9] Boykov Y, Veksler O, Zabih R. Fast approximate energy minimization via graph cuts［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(11): 1222-1239.

[10] Sun J, Zheng N N, Shum H Y. Stereo matching using belief propagation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(7): 787-800.

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed