稠密匹配方法剖析：视觉测量技术

2023-11-24 理论教育版权反馈

【摘要】：将匹配方法剖分为相对独立的四个模块，并根据不同算法在每一步骤的不同处理进行分类。这一阶段仅仅取对应于最小匹配代价的视差作为计算结果。二维优化则针对整幅图像的视差场施加整体约束，构造优化目标函数，模拟不同方向上相邻像素的相互作用，弥补一维优化方法的缺陷，但所构造目标函数的优化比较困难。另一方面，作后续处理，包括遮挡像素的检测及其视差的恢复等。

随着研究不断深入，人们对各种立体匹配方法认识不断提高，Scharstein和Szeliski对立体匹配算法进行了总结，认为稠密立体匹配方法通常都具有四个步骤：匹配代价计算（Matc-hing Cost Computation）、匹配代价累积（Cost Aggregation）、视差计算或优化（Disparity Compu-tation/Optimization）、视差精细化处理（Disparity Refinement）。将匹配方法剖分为相对独立的四个模块，并根据不同算法在每一步骤的不同处理进行分类。下面将这四个步骤作简要介绍。

（1）匹配代价计算

根据图像中对应像素的颜色或灰度计算匹配单元之间的匹配代价。由于图像间存在全局亮度变化（如，增益和曝光差异等）和局部亮度变化（如渐晕、非朗伯表面和照明变化等）及噪声等因素，设计一种合适的匹配代价并不容易。常见的匹配代价有灰度差的二次方，灰度差的绝对值，归一化的自相关系数等。

（2）匹配代价积聚

它是指将周围像素的匹配代价积聚到中心像素的匹配代价上。实际上，这一步假设支持区域内像素具有相同视差，然后在支持区域内对匹配代价进行平均处理以减少噪声等因素的影响，以此反映相邻像素的相互作用。一种方式取长方形或正方形窗口的支持区域，并直接以支持区域内匹配代价的平均值作为积聚结果。如果支持区域跨越物体边缘，覆盖不同物体，平均处理将导致不正确的结果。为此，人们要设计移动窗口及自适应尺寸窗口的支持区域。(www.chuimin.cn)

（3）视差计算和优化

根据匹配代价计算每个像素的视差，确定视差场。局部方法侧重匹配代价计算和代价积聚。这一阶段仅仅取对应于最小匹配代价的视差作为计算结果。全局方法则往往跳过匹配代价积聚，采用图像视差场的整体约束表达相邻像素的相互作用。根据约束范围，可分为一维和二维优化方法。一维优化方法针对每条扫描行施加约束，构造优化目标函数，所构造目标函数可以使用动态规划方法进行优化。这类方法针对不同扫描行独立进行优化，忽略相邻扫描行之间的相互作用，相邻扫描行的视差计算结果存在明显的不一致现象。二维优化则针对整幅图像的视差场施加整体约束，构造优化目标函数，模拟不同方向上相邻像素的相互作用，弥补一维优化方法的缺陷，但所构造目标函数的优化比较困难。

（4）视差精细化处理

对上述视差计算结果作精确调整。一方面，利用上一阶段计算得到的视差场，采用内插、拟合等方法重新估计每个像素的视差值，以达到子像素级别的精度。另一方面，作后续处理，包括遮挡像素的检测及其视差的恢复等。一般来说，调整之后的视差场能够更加准确地反映真实视差场。

稠密匹配方法剖析：视觉测量技术

相关推荐