采用自适应平滑约束的立体匹配方法

被引:3
作者
马祥音 [1 ,2 ]
查红彬 [2 ]
机构
[1] 浙江工业大学计算机科学与技术学院
[2] 北京大学机器感知与智能教育部重点实验室
关键词
立体匹配; 平滑约束; 本征维数;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
平滑约束是消除对应点匹配歧义性的最常用的约束之一,如何有效地保持视差图的非连续区域是使用该约束时所需考虑的重要问题.为此提出了一种采用自适应平滑约束的立体匹配方法,使得平滑项的大小随图像局部二维结构的不同而相应变化.首先获取一系列真实场景的彩色图像和对应深度图来构建实例库;然后对其进行分析统计,得到给定局部二维结构时对应于几何连续表面的条件概率;最后根据该条件概率由当前输入图像局部的具体内容来确定自适应的平滑项权值.通过将其添加到经典的基于图割的立体匹配方法中,证明了该平滑项定义方式的有效性.
引用
收藏
页码:108 / 113
页数:6
相关论文
共 4 条
[1]   改进的基于图像分割的立体匹配算法 [J].
尹传历 ;
刘冬梅 ;
宋建中 .
计算机辅助设计与图形学学报, 2008, (06) :808-812
[2]   First-order and second-order statistical analysis of 3d and 2d image structure [J].
Kalkan, S. ;
Worgotter, F. ;
Kruger, N. .
NETWORK-COMPUTATION IN NEURAL SYSTEMS, 2007, 18 (02) :129-160
[3]   Local image structures and optic flow estimation [J].
Kalan, S. ;
Calow, D. ;
Worgotter, F. ;
Lappe, M. ;
Kruger, N. .
NETWORK-COMPUTATION IN NEURAL SYSTEMS, 2005, 16 (04) :341-356
[4]   A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms [J].
Daniel Scharstein ;
Richard Szeliski .
International Journal of Computer Vision, 2002, 47 :7-42