立體匹配算法的分類

根據不同的標準，立體匹配算法有不同的分類方法。首先，根據匹配基元的不同，立體匹配算法可分為：基于區域的匹配算法，基于特征的匹配算法和基于相位的匹配算法。
１．基于區域的匹配算法。主要利用左右視圖中，局部窗口之間灰度信息的的相關程度進行匹配。該算法可利用所有的圖像信息，最大限度地恢復場景細節特征，在視差連續且紋理豐富的區域有著較高的精確度，能得到稠密的視差圖。但該算法存在下幾個問題：
（１）弱紋理或重復紋理區域，匹配效果不好；
（２）對光照、噪聲等外界環境比較敏感；
（３）該算法在視差不連續區域匹配效不好；
（４）支持窗口大小選擇困難。
２．基于特征的匹配算法。該算法巧用圖像幾何特征信息，如邊緣、輪廓、角點等幾何基元進行匹配，由于不直接依賴灰度同時圖像的特征點數量少、特征性強，所Ｗ算法的匹配精度高，速度快。但該算法獲得的是稀疏視差圖，必須經過復雜的插值方法獲取調密視差，在這過程中會產生誤差而造成最終視差圖的精確度降低。
３．基于相位的匹配算法。上述匹配算法是在空域范圍的進行視差估汁，相位匹配算法是在頻域范圍內進行視差估計。該方法認為參考圖像與待匹配圖像的匹配點的局部相位是相等的，該算法通過分析帶通濾波信號上的相位信息求得匹配圖像間的視差值。使用比較多的基于相位的匹配算法有；相位相關法與相位差頻法等。我們知道相位反映的是信號的結構信息，因此對圖像的高頻噪聲有很好的抑制效果，能得到亞像素級精度的稠密深度圖。但當局部結構存在的假設不成立時，就會發生相位奇點和相位轉繞問題，另外由于某些區域紋理信息較少、前景后景遮擋等原因，將會導致錯誤視差值，降低匹配精度，此時必須對視差圖中的誤差點進行查找糾正。

根據約束條件的作用范圍及搜索策略的不同，立體匹配算法可分為局部匹配算法和全局匹配算法。局部區域立體化配算法一般通過局部優化求取視差，根據匹配基元的不同，局部區域化配算法有很多，常用的匹配算法有ＳＡＤ，ＮＣＣ等，算法通過相似性測度建立能量函數，并最小化能量函數獲取匹配基元對應的視差值。由于能量函數是局部值，視差估計范圍具有局限性，得到的視差值精度有限，與全局匹配算法的精度相比有著很大的差距，但局部立體匹配算法的運行速度很快，效率高，實時性強。局部區域立體匹配算法主要分為3類：自適應窗體立體匹配算法、多窗體立體匹配算法和自適應權值的立體匹配算法。局部算法的基本思想是，建立選擇合適的鄰域像素作為支持像素，確定支持窗口。支持窗口內的鄰域像素與中也像素應該盡可能的具有相同真實視差，通過支持像素對中也像素進行約束，可減少誤差，提高視差估計的準確性。自適應窗體是指窗口的的大小和形狀根據需要自適應的變化，生成合適的支持窗口和支持像素。多窗體立體匹配算法的思想是從若干個已有窗體中，根據特定的原則，確定合適的窗體，作為支持窗體進行視差計算。自適應權值的立體匹配算法，通過計算支持窗口鄰近像素對中屯、像素的支持程度，進行代價函數的聚合。主要是根據鄰近像素之間的相關性及具有相同視差的概率大小確定支持權重。全局立體匹配算法引入全局最優捜索策略，構造全局能量函數，求取最小能量函數，此時對應的視差值就是最優視差。局部算法在匹配過程中，由于外界環境等因素的影響，經常會產生局部極值而造成誤差。而全局立體匹配算法在其建立的能量函數中，既有數據項，還包括了平滑項。能量函數通過數據項衡量像素之間的相似性問題，通過平滑項平滑像素間的視差關系。常見的全局立體匹配算法主要有：動態規劃法、松弛法、圖割法、基于遺傳算法等匹配算法。全局立體算法求得視差精度較高，但算法耗時較長，效率不高，無法滿足實時性要求。

總結

以上是生活随笔為你收集整理的立体匹配算法不足的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。