论文部分内容阅读
计算机视觉是一个多学科交叉的研究领域,其主要研究如何借助(多图像)成像技术从(多幅)图像中获取物体深度(视差)信息.一个完整的立体视觉系统可分为图像获取、摄像机标定、图像特征提取、立体匹配、深度(视差)信息恢复等部分.其中立体匹配是立体视觉中的难点和重要内容.近年来,随着硬件设备价格不断降低,计算机性能逐步提高,计算机视觉的研究和应用具备了很好的条件,其研究内容和领域不断拓宽.因此,对计算机视觉的进一步研究,不但具有重要的学术意义,而且具有很好的实用价值.为了简化问题,该文使用了用于测试立体匹配算法的走廊立体图对,该立体图对基于平行立体视觉系统并经过校正.该文在研究了了众多立体匹配算法的基础上,首先综合了Harris图像角点提取算子和传统的特征匹配算法,做了基于Harris算子的角点特征匹配算法的仿真,然后提出了一种利用小波模极大值的,基于特征和面积的混合立体匹配算法.在这个新的算法中,首先,利用小波模极大值提取图像的边缘,并用小波模极大值和幅角作为提取出的边缘特征点的描述进行立体匹配,得到了一个稀疏的视差图.利用小波模极大值可以提取图像不同尺度下的边缘,粗尺度时,由于利用平滑函数对图像所做的平滑处理,小波模极大值提取的边缘和精细尺度提取的边缘有不同的位置,此时提取的边缘是粗略的轮廓.精细尺度时,图像噪声产生许多错误的模极大值,我们通过设置阈值来去除噪声产生的影响.在基于边缘特征的立体匹配时,将传统基于图像灰度域的匹配互相关函数引入离散小波域,仿真得到的边缘视差图取得了很好的效果.然后,对非边缘点,利用前面得到边缘匹配结果,在灰度域利用基于面积的方法,得到非边缘点视差图.最后结合两个视差图,得到最终的稠密的视差图.最终仿真结果显示,所提出的立体匹配算法效果良好,具有实用价值.