立体匹配中边界信息的强化算法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (6): 43-49.

立体匹配中边界信息的强化算法

徐姗姗,刘应安*,徐昇

南京林业大学信息科学与技术学院, 江苏南京 210037

收稿日期:2012-05-20 出版日期:2012-12-20 发布日期:2012-05-20
通讯作者: 刘应安(1965- ),男,安徽寿县人,教授,博士,主要研究领域为数据挖掘,数理统计等.E-mail: lyastat@yahoo.com.cn
作者简介:徐姗姗(1988- ),女,江苏扬州人,硕士研究生,主要研究方向为数据挖掘,数理统计等.E-mail: 529031585@qq.com
基金资助:
国家自然科学基金资助项目(30671639);江苏省自然科学基金资助项目(BK2009393)

The enhancement algorithm of the boundary information in stereo matching

XU Shan-shan, LIU Ying-an*, XU Sheng

College of Information Science and Technology, Nanjing Forestry University, Nanjing 210037, China

Received:2012-05-20 Online:2012-12-20 Published:2012-05-20

摘要/Abstract

摘要： 为解决立体匹配中边界模糊、无纹理区域的边界误匹配、初始匹配代价过于粗糙等问题,设计了一种基于改进数据项的图像边界信息强化算法。通过归一化匹配代价削弱匹配不利的像素点;通过设置权值强化边界信息,对边界进行匹配约束。实验证明,新的能量函数能在边界区域得到正确视差;消除了大量无纹理区域的不连续线段;以较少的迭代次数提高了优化效果。在图片无纹理区域可降低14％的错误率。

关键词: 立体匹配, 能量函数, 数据项, 边界信息, 边界约束

Abstract: To solve the problem of fuzzy boundaries in stereo matching, boundary mismatching in textureless area and too rough cost in initial matching, a strengthen algorithm based on the boundary information was designed to improve the image of the data items. The unsuitable matched pixels were weakened by normalized matching cost, the weights were settled to strengthen the border information, and the boundary constraints were used to do the match. Experiments showed that, the new energy function could get the correct disparity in the boundary region and could eliminate the discontinuity lines in the textureless region; the optimization effect was improved with less iterations. In the textureless area the error rate could be reduced to 14％.

Key words: stereo matching, energy function, data item, boundary information, boundary constraint

中图分类号:

TP301.6

徐姗姗,刘应安*,徐昇. 立体匹配中边界信息的强化算法[J]. 山东大学学报(工学版), 2012, 42(6): 43-49.

XU Shan-shan, LIU Ying-an*, XU Sheng. The enhancement algorithm of the boundary information in stereo matching[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(6): 43-49.

参考文献

相关文章 12

[1]	吴红岩,冀俊忠. 基于花授粉算法的蛋白质网络功能模块检测方法[J]. 山东大学学报(工学版), 2018, 48(1): 21-30.
[2]	周志杰,赵福均,胡昌华,王力,冯志超,刘涛源. 基于证据推理的航天继电器故障预测方法[J]. 山东大学学报(工学版), 2017, 47(5): 22-29.
[3]	任永峰,董学育. 基于自适应流形相似性的图像显著性区域提取算法[J]. 山东大学学报(工学版), 2017, 47(3): 56-62.
[4]	翟继友,周静波,任永峰,王志坚. 基于背景和前景交互传播的图像显著性检测[J]. 山东大学学报(工学版), 2017, 47(2): 80-85.
[5]	邬慧敏,吴璟莉. 重建二倍体个体单体型的改进环基算法[J]. 山东大学学报(工学版), 2016, 46(4): 9-14.
[6]	王立宏,李强. 旅行商问题的一种选择性集成求解方法[J]. 山东大学学报(工学版), 2016, 46(1): 42-48.
[7]	任永峰, 周静波. 基于信息弥散机制的图像显著性区域提取算法[J]. 山东大学学报(工学版), 2015, 45(6): 1-6.
[8]	文志强,朱文球,胡永祥. 半调图像的分类方法[J]. 山东大学学报(工学版), 2013, 43(4): 7-12.
[9]	陈明志1,2, 陈健3, 许春耀3, 余轮3, 林柏钢1,2. 一种新的基于网络虚拟环境的用户访问模式聚类算法[J]. 山东大学学报(工学版), 2011, 41(6): 43-49.
[10]	吴天柱 . 基于RBF神经网络的彩色图像盲水印算法[J]. 山东大学学报(工学版), 2008, 38(2): 51-55 .
[11]	张劲松,李歧强,王朝霞 . 基于混沌搜索的混和粒子群优化算法[J]. 山东大学学报(工学版), 2007, 37(1): 47-50 .
[12]	贾银亮,张焕春,经亚枝,刘　晶 . 6步直线生成算法[J]. 山东大学学报(工学版), 2007, 37(1): 61-64 .

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed