【摘 要】
:
双目视觉是计算机视觉领域的一个重要研究方向,它通过模拟生物视觉,使计算机具有利用二维图像感知三维环境信息的能力。立体匹配作为双目视觉中最关键和最困难的部分,近年来
论文部分内容阅读
双目视觉是计算机视觉领域的一个重要研究方向,它通过模拟生物视觉,使计算机具有利用二维图像感知三维环境信息的能力。立体匹配作为双目视觉中最关键和最困难的部分,近年来备受国内外关注,其研究具有重要的理论意义和实用价值。因而本文从获取被观测场景的高精度稠密视差信息的角度出发,围绕双目视觉中的立体匹配和遮挡检测等关键技术和问题进行了深入研究。首先,从克服传统动态规划匹配算法产生的明显条纹状瑕疵的缺陷入手,提出了一种基于行列双向约束的动态规划立体匹配算法。该算法利用扫描线信息中所包含的视差不连续性和遮挡现象构造出一种新的全局能量代价函数;为了进一步有效解决扫描线行列双向上的视差不连续问题,基于此全局能量代价函数,又设计了全局优化策略来保证扫描线列方向上的视差平滑性。其次,针对立体匹配过程中的遮挡现象影响匹配精度的问题,提出了在构造出的能量代价函数的基础上,将遮挡约束和动态规划寻径相结合的方法来解决这一问题。该方法采用动态规划寻找最优路径来获得匹配点的视差和遮挡点信息,并利用视差一致性检验和遮挡像素视差填充等过程来实现对匹配过程中遮挡的检测和处理,从而得到稠密视差图。最后,为了验证本文所提的行列双向动态规划立体匹配算法以及遮挡检测方法的可行性和有效性,通过采用四组标准立体图像对来对视差进行求解,并结合实验效果和误匹配率指标,将本文算法与同类立体匹配算法进行了性能比较和分析。
其他文献
随着计算机技术的快速发展和因特网的日益普及,各种媒体内容被转化为数字形式,提高了信息表达的效率和准确性,但是数字产品极易被非法复制,盗版已经对数字化产业构成最大的威胁。
面对Web所提供的仍在不断扩张的信息海洋,抽样是研究人员了解Web整体特征情况最有力的工具。抽样是一种推论统计方法,它是指从目标总体(Population)中抽取一部分个体作为样本(S
P2P存储系统具有良好的扩展性,并且能够利用边缘网络计算机上的数量巨大的存储容量和网络带宽,具有巨大的服务潜力。自提出以来一直受到学术界的关注,但在其后的时期内却没有出
XML结构查询算法能根据精确的查询条件输出理想的查询结果。不过,该算法不仅要求查询用户熟悉结构查询算法所采用的查询语言,而且还要求了解待查询的XML文档树结构。这些要求对
车载自组织网络(Vehicular Ad hoc NETwork,VANET)是一种以车载无线设备为节点组成的新型的无线自组织网络。与传统的移动自组织网络(Mobile Adhoc NETwork,MANET)相比,车载
随着互联网的发展,Web应用技术不断推陈出新。这期间,客户端和服务器端的通讯机制发生了巨大改变。以通讯机制中的通讯方式和数据交换格式为依据,Web应用可以分为三类:传统的文档
随着互联网的高速发展和广泛应用,web网已成为最大的信息资源仓库,包含几乎任何领域内的数据资源,使用户能方便的获取或共享web空间的信息资源。但信息资源过载始终是制约web
移动互联网络的发展,便捷了移动用户使用,加速了无线互联网的快速发展,其巨大的发展前景成为当前全球互联网络的重要发展内容。移动无线网络中的ad hoc网络因具有各节点地位平等
中文Web信息博物馆中保存了大量的知识,如何有效的挖掘和利用这些知识是一个有意义的课题。本文认为历史网页中站点首页、文章型网页、主题型导航网页都是很有价值的网页。从
虚拟化技术是使若干的操作系统相互隔离的运行在一台物理机上的技术,起源于上个世纪六十年代,近年来在各大公司和科研机构的带领下虚拟化蓬勃发展,相关领域的研究工作和研究成果