《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 一種改進的基于圖割的立體匹配算法
一種改進的基于圖割的立體匹配算法
來源:微型機與應(yīng)用2012年第7期
劉亞竹1,李 逵1,狄紅衛(wèi)1,2
(1.暨南大學 光電工程研究所,廣東 廣州 510632; 2.暨南大學 光電信息與傳感技術(shù)廣東普通
摘要: 為了提高立體匹配算法的精確度,提出了一種結(jié)合圖割與Mean Shift圖像分割的立體匹配算法。首先用Mean Shift算法對參考圖像進行圖像分割,得到分割后的標記圖,然后將分割信息結(jié)合到圖割算法的能量函數(shù)中,最后用改進的能量函數(shù)和圖割算法得出致密的視差圖。實驗結(jié)果表明,提出的算法具有更高的精確度和更好的邊緣特征。
Abstract:
Key words :

摘  要: 為了提高立體匹配算法的精確度,提出了一種結(jié)合圖割Mean Shift圖像分割的立體匹配算法。首先用Mean Shift算法對參考圖像進行圖像分割,得到分割后的標記圖,然后將分割信息結(jié)合到圖割算法的能量函數(shù)中,最后用改進的能量函數(shù)和圖割算法得出致密的視差圖。實驗結(jié)果表明,提出的算法具有更高的精確度和更好的邊緣特征。
關(guān)鍵詞: 立體匹配;圖割;Mean Shift;視差

 立體匹配是計算機視覺中的一個研究熱點,是立體視覺中最關(guān)鍵的步驟之一。目前常見的立體匹配算法分為局部算法和全局算法。局部算法從局部(如以像素為中心的窗口)得出視差,這類算法運算量小,但精確度不高。全局算法將能量最小化思想引入到立體匹配中,首先定義一個能量評價函數(shù),然后通過全局優(yōu)化算法實現(xiàn)能量最小化,進而確定最終的匹配結(jié)果。這類算法精確度較高,但運算量大。ROY和COX首次將圖割方法引入到立體匹配算法中[1],用圖割法實現(xiàn)能量最??;BOYKOV Y等提出了?琢-?茁交換和?琢擴張兩種有效的基于圖割的算法[2],通過多次對以兩種標記建立的圖求最小割,達到了求全局最小能量的目的,而且簡化了算法復雜度,提高了運算速度;KOLMOGOROV改進了網(wǎng)絡(luò)的構(gòu)造方法[3],提出了基于二值變量的圖的構(gòu)造,考慮了多種情況的鄰接邊,提高了算法速度,并達到了很好的精確度。由于圖割算法具有處理組合優(yōu)化問題的良好性能,使視差圖的質(zhì)量得到了明顯的提高[4]。BLEYER等提出基于圖像分割的立體匹配算法框架[5],圖像分割充分利用彩色圖像的顏色信息將圖像分割成不同區(qū)域,有效地克服了視差圖邊界模糊問題,較好地處理了大的低紋理區(qū)域。
    本文將圖割算法與Mean Shift圖像分割算法相結(jié)合,并應(yīng)用到立體匹配中,得到了一種效果良好的立體匹配算法。首先用Mean Shift算法對圖像進行分割,然后將分割信息加入到能量函數(shù)中,再根據(jù)能量函數(shù)構(gòu)建圖,最后用擴張算法迭代地求出最小割。實驗結(jié)果表明,該算法結(jié)合了兩種算法的優(yōu)點,實現(xiàn)了更高的匹配精確度。

 

 


 本文提出了一種基于圖割與Mean Shift圖像分割算法的立體匹配算法,在圖割算法的基礎(chǔ)上構(gòu)造了新的能量函數(shù),融入經(jīng)Mean Shift圖像分割后的信息,根據(jù)新的能量函數(shù)構(gòu)建基于二值變量的圖,用α擴張算法迭代地求出最終視差。實驗結(jié)果表明,該算法有效提高了算法的精確度,且視差圖的邊緣特征更好。
參考文獻
[1] ROY S, COX I. A maximum-flow formulation of the N-camera stereo correspondence problem[C].  Proceedings of International Conference Computer Vision, 1998: 492-499.
[2] 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.
[3] KOLMOGOROV V, ZABIH R. Multi-camera scene reconstruction via graph cuts[A]. European Conference on Computer Vision, 2002,3:82-96.
[4] BOYKOV Y, KOLMOGOROV V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004,26(9):1124-1137.
[5] BLEYER M, GELAUTZ M. Graph-cut-based stereo matching using image segmentation with symmetrical treatment of occlusions[J]. Signal Processing: Image Communication,2007,22(2):127-143.
[6] http://vision.middlebury.edu/stereo/.2011-01-01.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。