一种基于Hopfield网络的立体匹配方法

立体匹配是计算机视觉研究的经典难题 ,其算法的复杂度和精度直接影响了视觉系统对外部景物的重建性能。为此提出了一种新的基于神经网络的立体匹配方法 ,其基本思想是 :在实现核线重排的前提下 ,利用唯一性、相容性以及相似性等匹配约束条件 ,建立反映对应极线间所有匹配点约束关系的能量函数 ,将其映射到二维 Hopfield网络进行极小化求解 ,网络最后的稳态表示匹配点的对应关系 ;通过对图中所有极线进行上述操作 ,可以得到所求的视差图。与传统方法相比 ,本算法具有两个明显的特点 :(1)匹配基元采用了普通的图像点 ,可以直接获得稠密的深度图 ;(2 ) Hopfield网的外部输入不再为常数 ,而是一个反映对应点灰度相似性关系的值。通过对合成图以及真实图景进行测试 ,验证了该方法的有效性。