基于图像区域分割和置信传播的立体匹配算法

doi:10.3969/j.issn.1000-3428.2013.07.057

计算机工程 ›› 2013, Vol. 39 ›› Issue (7): 257-260,278.doi: 10.3969/j.issn.1000-3428.2013.07.057

基于图像区域分割和置信传播的立体匹配算法

张惊雷^a,b，王艳姣^a,b

(天津理工大学 a. 天津市复杂系统控制理论及应用重点实验室；b. 自动化学院，天津 300384)

收稿日期:2012-07-17 出版日期:2013-07-15 发布日期:2013-07-12
作者简介:张惊雷(1969－)，男，副教授、博士，主研方向：模式识别，图像处理；王艳姣，硕士研究生
基金项目:
天津市教委科技发展基金资助项目(20090718)

Stereo Matching Algorithm Based on Image Region Segmentation and Belief Propagation

ZHANG Jing-lei ^a,b, WANG Yan-jiao ^a,b

(a. Tianjin Key Laboratory for Control Theory & Applications in Complicated Systems; b. School of Electrical Engineering, Tianjin University of Technology, Tianjin 300384, China)

Received:2012-07-17 Online:2013-07-15 Published:2013-07-12

摘要/Abstract

摘要： 传统基于像素的立体匹配算法误匹配率较高。为解决该问题，提出一种基于图像区域分割和置信传播的匹配算法。采用均值偏移对参考图像进行区域分割，通过自适应权值匹配计算初始视差图，对各分割区域的初始视差用平面模型拟合得到视差平面参数，使用基于区域的改进置信传播算法求得各区域的最优视差平面，从而得到最终视差图。与全局优化的经典置信传播算法和图割算法的对比实验结果表明，该算法能降低低纹理区域和遮挡区域的误匹配率。

关键词: 立体匹配, 视差, 均值偏移, 图像区域分割, 平面拟合, 置信传播

Abstract: As the high error matching rates of the traditional pixel-based matching algorithm, a stereo matching algorithm based on image region segmentation and Belief Propagation(BP) is proposed. The mean shift algorithm is applied to segment the reference image into regions with homogeneous color, and the initial disparity of each pixel is calculated by means of the adaptive weights approaches. The disparity plane parameters are collected by plane model fitting on each segmented region. The ultimate disparity map is acquired by calculated the regional optimal disparity plane, which uses the improved region-based belief propagation algorithm. Compared with the pixel-based global optimization algorithms such as classical BP and Graph Cut(GC) algorithm, this algorithm can greatly reduce the error matching rates especially in textureless regions and occluded regions.

Key words: stereo matching, disparity, mean shift, image region segmentation, plane fitting, Belief Propagation(BP)

中图分类号:

TP301.6

张惊雷, 王艳姣. 基于图像区域分割和置信传播的立体匹配算法[J]. 计算机工程, 2013, 39(7): 257-260,278.

ZHANG Jing-Lei, WANG Yan-Jiao. Stereo Matching Algorithm Based on Image Region Segmentation and Belief Propagation[J]. Computer Engineering, 2013, 39(7): 257-260,278.

参考文献

[1] Blake A, Kohli P, Rother C. Markov Random Fields for Vision and Image Processing[M]. [S. l.]: MIT Press, 2011.
[2] 刘忠艳, 周波, 张兴华, 等. 一种基于置信度传播的立体匹配算法[J]. 自动化与仪器仪表, 2010, (1): 111-113.
[3] Sun Jian, Zheng Nanning, Shum H Y. Stereo Matching Using Belief Propagation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(7): 787-800.
[4] 鲍文霞, 梁栋, 王年, 等. 基于图割理论和极几何约束的图像匹配算法[J]. 计算机工程, 2007, 33(1): 193-194, 197.
[5] 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.
[6] Tao Hai, Sawhney H S, Kumar R. A Global Matching Frame- work for Stereo Computation[C]//Proc. of the 8th IEEE Inter- national Conference on Computer Vision. [S. l.]: IEEE Press, 2001.

[7] 刘松涛, 殷福亮. 基于图割的图像分割方法及其新进展[J]. 自动化学报, 2012, 38(6): 911-922.
[8] Paris S, Durand F. A Topological Approach to Hierarchical Segmentation Using Mean Shift[C]//Proc. of IEEE Conference on Computer Vision and Pattern Recognition. [S. l.]: IEEE Press, 2007.
[9] Comaniciu D, Meer P. Mean Shift: A Robust Approach Toward Feature Space Analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(5): 603-619.
[10] Yoon K J, Kweon I S. Adaptive Support-weight Approach for Correspondence Search[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(4): 650-656.
[11] 王永明. 图像局部不变性特征与描述[M]. 北京: 国防工业出版社, 2010.
[12] 周春霖, 朱合华, 李晓军. 随机抽样一致性平面拟合及其应用研究[J]. 计算机工程与应用, 2011, 47(7): 177-179.
编辑刘冰

[1]	王金鹤, 苏翠丽, 孟凡云, 车志龙, 谭浩, 张楠. 基于非对称空间金字塔池化的立体匹配网络[J]. 计算机工程, 2020, 46(7): 228-234,242.
[2]	孔飞跃, 蒋学芹, 万雪芬, 陈思井, 崔剑, 杨义. 基于GPU的LDPC增强准最大似然译码器并行实现[J]. 计算机工程, 2020, 46(5): 207-215.
[3]	张一飞, 李新福, 田学东. 融合边缘特征的SAD立体匹配算法[J]. 计算机工程, 2020, 46(4): 236-240,246.
[4]	齐向明, 王佳琦. 网格形变细分的大视差图像拼接算法[J]. 计算机工程, 2020, 46(1): 236-242.
[5]	杨罡, 晋涛, 王大伟, 曹京津, 张娜, 严碧武, 李涛, 程远. 改进的代价聚集快速立体匹配算法[J]. 计算机工程, 2019, 45(7): 268-272,281.
[6]	黄超,张雨菲. 基于双目视觉的自适应匹配优化方法[J]. 计算机工程, 2018, 44(8): 263-267.
[7]	徐少平,林官喜,曾小霞,姜尹楠,唐祎玲. 立体图像质量感知特征提取的研究与展望[J]. 计算机工程, 2018, 44(6): 239-248.
[8]	杨艳,许道云. 基于LSC图像分割的LBP立体匹配算法[J]. 计算机工程, 2018, 44(6): 259-262,269.
[9]	任云,程福林,黎洪松. 基于频率敏感三维自组织映射的立体视频视差估计算法[J]. 计算机工程, 2018, 44(5): 252-255.
[10]	王新艳,潘巍,王月莲,刘鑫玥. 基于全局差错能量函数的立体匹配算法[J]. 计算机工程, 2017, 43(7): 244-249.
[11]	赵碧霞,张华,王姮,刘桂华,王静强. 基于Bayes理论的散斑三维重建方法 [J]. 计算机工程, 2017, 43(12): 211-215.
[12]	杨海清,郭更新. 基于立体视觉的鞋楦数字化研究[J]. 计算机工程, 2017, 43(12): 242-247.
[13]	葛忠孝,邢帅,夏琴,王栋,侯晓芬,江腾达. 基于树形结构的半全局立体匹配算法[J]. 计算机工程, 2016, 42(8): 243-248,254.
[14]	黄晓霞,谷宇章,占云龙,赵鲁阳. 基于双目视觉的攀爬检测方法[J]. 计算机工程, 2016, 42(12): 228-234.
[15]	汤春明,蒋昂. 基于跨尺度代价聚合的改进立体匹配算法[J]. 计算机工程, 2016, 42(11): 272-276,280.

基于图像区域分割和置信传播的立体匹配算法

Stereo Matching Algorithm Based on Image Region Segmentation and Belief Propagation

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10