论文部分内容阅读
计算机视觉是一个飞速发展并且极其具有挑战性的领域,是一个多学科交叉的研究方向。双目立体匹配是其中非常重要的一个环节,由于涉及的问题众多,双目立体匹配是较难处理的一个问题。虽然稠密匹配算法在众多的匹配算法中表现出一定的优越性,但仍然存在一些问题,还不能满足匹配点数量与精度的要求。该论文以Marr的计算机视觉理论为基础,对特征点检测方面做了一些研究,主要针对目前稠密匹配算法中出现的问题,对基于区域增长的匹配算法做了一些改进。 通过对边缘检测经典算子检测原理的研究,对比这些算子的检测效果得出,Prewitt算子能够考虑较大的邻近区域的影响,检测出清晰且连续的边缘,定位精度较高,受噪声影响小。 该文对比SUSAN算子、MIC算子和Harris算子的原理及实现方法,使用VC6.0编程工具,完成图像的Harris角点检测。从检测结果可以得出,Harris角点检测方法检测速度快、能够得到均匀且准确的角点,算法稳定。 目前常用的匹配算法很难在得到致密的、高精度的图像信息的同时又具有很快的速度,稠密匹配算法在这方面显示了其优越性。该文主要讨论了基于区域增长的匹配算法中存在的问题,并对此算法进行了改进。利用Harris角点检测完成自动选取种子点的功能,并提出手动方法,以保证匹配精度、提高匹配速度;区域增长过程主要依据像素间的连续性,将匹配关系由种子点传播到周围的区域,达到遍历整幅图像的目的。最后根据视差原理计算匹配点对的视差,并在Visual C++6.0环境下画出视差图。 从理论分析和实验效果可以看出,自动取点和手动取点过程保证了种子点的精度,区域增长过程利用像素之间的连续性获取了大量的匹配点对,并得到了清晰且致密的视差图。