摘 要: 為了提高立體匹配算法的精確度,,提出了一種結(jié)合圖割與Mean Shift圖像分割的立體匹配算法。首先用Mean Shift算法對(duì)參考圖像進(jìn)行圖像分割,,得到分割后的標(biāo)記圖,,然后將分割信息結(jié)合到圖割算法的能量函數(shù)中,最后用改進(jìn)的能量函數(shù)和圖割算法得出致密的視差圖,。實(shí)驗(yàn)結(jié)果表明,,提出的算法具有更高的精確度和更好的邊緣特征,。
關(guān)鍵詞: 立體匹配;圖割,;Mean Shift,;視差
立體匹配是計(jì)算機(jī)視覺(jué)中的一個(gè)研究熱點(diǎn),是立體視覺(jué)中最關(guān)鍵的步驟之一,。目前常見(jiàn)的立體匹配算法分為局部算法和全局算法,。局部算法從局部(如以像素為中心的窗口)得出視差,這類(lèi)算法運(yùn)算量小,,但精確度不高,。全局算法將能量最小化思想引入到立體匹配中,首先定義一個(gè)能量評(píng)價(jià)函數(shù),,然后通過(guò)全局優(yōu)化算法實(shí)現(xiàn)能量最小化,,進(jìn)而確定最終的匹配結(jié)果。這類(lèi)算法精確度較高,,但運(yùn)算量大,。ROY和COX首次將圖割方法引入到立體匹配算法中[1],用圖割法實(shí)現(xiàn)能量最??;BOYKOV Y等提出了?琢-?茁交換和?琢擴(kuò)張兩種有效的基于圖割的算法[2],通過(guò)多次對(duì)以?xún)煞N標(biāo)記建立的圖求最小割,,達(dá)到了求全局最小能量的目的,,而且簡(jiǎn)化了算法復(fù)雜度,提高了運(yùn)算速度,;KOLMOGOROV改進(jìn)了網(wǎng)絡(luò)的構(gòu)造方法[3],,提出了基于二值變量的圖的構(gòu)造,考慮了多種情況的鄰接邊,,提高了算法速度,,并達(dá)到了很好的精確度。由于圖割算法具有處理組合優(yōu)化問(wèn)題的良好性能,,使視差圖的質(zhì)量得到了明顯的提高[4],。BLEYER等提出基于圖像分割的立體匹配算法框架[5],,圖像分割充分利用彩色圖像的顏色信息將圖像分割成不同區(qū)域,,有效地克服了視差圖邊界模糊問(wèn)題,較好地處理了大的低紋理區(qū)域,。
本文將圖割算法與Mean Shift圖像分割算法相結(jié)合,,并應(yīng)用到立體匹配中,得到了一種效果良好的立體匹配算法,。首先用Mean Shift算法對(duì)圖像進(jìn)行分割,,然后將分割信息加入到能量函數(shù)中,,再根據(jù)能量函數(shù)構(gòu)建圖,最后用擴(kuò)張算法迭代地求出最小割,。實(shí)驗(yàn)結(jié)果表明,,該算法結(jié)合了兩種算法的優(yōu)點(diǎn),實(shí)現(xiàn)了更高的匹配精確度,。
本文提出了一種基于圖割與Mean Shift圖像分割算法的立體匹配算法,,在圖割算法的基礎(chǔ)上構(gòu)造了新的能量函數(shù),融入經(jīng)Mean Shift圖像分割后的信息,,根據(jù)新的能量函數(shù)構(gòu)建基于二值變量的圖,,用α擴(kuò)張算法迭代地求出最終視差。實(shí)驗(yàn)結(jié)果表明,,該算法有效提高了算法的精確度,,且視差圖的邊緣特征更好。
參考文獻(xiàn)
[1] ROY S,, COX I. A maximum-flow formulation of the N-camera stereo correspondence problem[C]. Proceedings of International Conference Computer Vision,, 1998: 492-499.
[2] BOYKOV Y, VEKSLER O,, ZABIH R. Fast approximate energy minimization via graph cuts[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,, 2001, 23(11):1222-1239.
[3] KOLMOGOROV V,, ZABIH R. Multi-camera scene reconstruction via graph cuts[A]. European Conference on Computer Vision,, 2002,3:82-96.
[4] BOYKOV Y,, KOLMOGOROV V. An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,, 2004,26(9):1124-1137.
[5] BLEYER M,, GELAUTZ M. Graph-cut-based stereo matching using image segmentation with symmetrical treatment of occlusions[J]. Signal Processing: Image Communication,,2007,22(2):127-143.
[6] http://vision.middlebury.edu/stereo/.2011-01-01.