导读:本文包含了立体匹配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:全局,代价,视觉,双目,视差,卷积,差值。
立体匹配论文文献综述
张晶,王竞雪[1]（2019）在《结合颜色信息的Census变换半全局立体匹配算法》一文中研究指出针对传统单一Census变换未充分利用影像信息且精度不高的问题,该文提出了一种结合颜色信息的Census变换半全局立体匹配算法。该算法联合像素点间RGB颜色绝对差值与其Census变换值的匹配代价计算方法,采用八方向半全局视差获取方法获得初始稠密视差图。为进一步提高匹配精度,利用左右一致性交叉检测确定初始视差图中不稳定视差;采用基于均值偏移图像分割的视差优化算法对视差图中不稳定视差进行优化,获得最终视差图。选取4组middlebury立体图片库经典立体像对进行视差获取实验并检测。结果表明,本算法能够获得较高精度且可靠视差图,且在遮挡、视差不连续处的视差精度明显优于单一Census变换立体匹配算法及一些改进半全局立体匹配算法。(本文来源于《测绘科学》期刊2019年12期）
谭浩,车志龙,苏翠丽[2]（2019）在《基于卷积神经网络的半全局立体匹配》一文中研究指出卷积神经网络在训练时,输入的图像对可能存在尺寸不一致,以及半全局算法的路径代价聚合不能完全利用待匹配点周围的像素,本文提出一种结合空间金字塔的网络结构训练图像对,计算初始匹配代价,在代价聚合时采用一种结合树形结构的半全局算法。改进后的算法通过实验证明,误匹配率有了明显的降低,获取的视差图精度更高。(本文来源于《信息技术与信息化》期刊2019年11期）
杜娟,沈思昀[3]（2019）在《基于改进多权值滑动窗口的立体匹配方法的实现及应用》一文中研究指出立体视觉的核心问题是通过立体匹配算法获得准确的视差值,然而大多数现有的立体匹配算法无法在低纹理或接近无纹理的区域中获得准确的视差值。为了解决低纹理区域匹配精度相对偏低、高精度半全局匹配算法运算量较大的问题,文中提出了一种基于自适应滑动窗口的立体匹配算法。首先通过AD-Census变换计算匹配代价,然后针对不同区域调节聚合窗口形状及像素点权重,最后结合符合人体视觉特征的多尺度代价聚合框架获得聚合匹配代价,采用赢者通吃策略获取最终的稠密视差图。实验结果证明,该算法在低纹理区域的误匹配率相比较传统方案的下降范围为5.8%～21.68%,运算时间较半全局算法更短。(本文来源于《计算机科学》期刊2019年S2期）
杨伟姣,杨先海[4]（2019）在《结合Harris算子和极线约束改进的SIFT立体匹配算法》一文中研究指出针对尺度不变特征变换(SIFT)算法在双目立体视觉匹配过程中提取的特征点数量多、计算量大和耗时长的问题,本文提出一种结合Harris算子和极线约束改进的SIFT立体匹配算法。该算法通过Harris算子提取左图像特征点代替SIFT算法中的极值点,并引入极线约束来限定搜索范围获取右图像特征点,从而缩短特征点的提取时间并提高了准确率。实验结果表明,本算法在双目立体匹配过程中可实现较好的效果,有效地提高了匹配实时性和精度。(本文来源于《高技术通讯》期刊2019年11期）
梁海波,邹佳玲[5]（2019）在《改进的非参数Census变换立体匹配算法》一文中研究指出针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上,无法彻底消除匹配差异性,易出现歧异性的问题,提出一种改进的非参数Census变换匹配算法.该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度,引入图像纹理度量的方向性,使中心像素灰度值不再是唯一决定因素,改进了匹配模版,从而有效解决了传统匹配算法的歧异性问题.实验结果表明,改进算法是一种有效、合理的立体匹配方法,提高了稠密匹配精度.(本文来源于《吉林大学学报(理学版)》期刊2019年05期）
戴文文,曾庆军,赵强,朱志宇,刘维亭[6]（2019）在《AUV自主回收对接前景视场叁维重建立体匹配研究》一文中研究指出在自主水下机器人(AUV)回收对接过程中对前景视场进行叁维重建能够为实时路径规划和导航定位提供关键信息,提高对接成功率。针对AUV在水下作业时前景视场环境弱纹理多的特点,提出了一种改进的基于树结构的前景视场立体匹配方法,提高了计算精度及速度。首先针对水下成像环境暗、对比度低的问题,采用基于Lab颜色模型的方法对水下图片进行处理,然后采用基于树结构的算法实现双目图像的立体匹配。该立体匹配算法针对水下图片弱纹理区域较多的问题,利用cencus变换区分弱纹理区域,计算匹配代价;针对区域匹配算法精度不高以及全局匹配算法实时性较差的问题,利用最小生成树算法实现代价聚合,同时配合亚像素精化实现视差优化。最后运用Matlab以及Visual Studio 2013对图像预处理以及立体匹配算法进行仿真,验证算法的有效性。此外,介绍了自主研发的"探海I型" AUV自主回收对接实验系统。(本文来源于《鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集》期刊2019-09-22）
朱荣华,葛广英,张广世,申哲,孙群[7]（2019）在《基于Census变换和多扫描线优化的半全局立体匹配算法》一文中研究指出为了解决局部匹配算法误匹配率高的问题,提出一种基于AD-Census变换和多扫描线优化的半全局匹配算法。首先,通过绝对差AD算法与Census变换相结合作为相似性度量函数计算初始匹配代价,并构建动态交叉域聚合匹配代价;然后在代价聚合计算阶段,将一维动态规划的代价聚合推广到多扫描线优化,利用上下左右四个方向逐次扫描进行匹配代价聚合的计算,并引入正则化约束以确保匹配代价聚合的一致性,大大减少初始代价中的匹配异常点;最后,运用简单高效的胜者为王策略选出像素点在代价聚合最小时对应的视差,并在视差细化阶段,采用左右一致性检测和抛物线拟合方法进行后续处理以提高立体匹配的正确率。实验结果证明,该算法可获得高匹配率的视差图并且耗时较少。(本文来源于《光电子·激光》期刊2019年09期）
范海瑞,杨帆,潘旭冉,李靖,潘国峰[8]（2019）在《融合梯度特性与置信度的立体匹配算法》一文中研究指出针对现有局部立体匹配算法在计算匹配代价时,不能很好区分强弱纹理区域,及在视差计算过程中,不能很好的解决视差歧义问题,提出一种融合梯度特性与置信度的立体匹配算法。首先计算梯度特征,并根据梯度特征信息选择匹配代价计算的匹配窗口,针对强弱不同纹理区域选择不同尺寸的匹配窗口,有效的提高了立体匹配精度,降低了误匹配率;然后在视差计算中引入置信度约束条件,解决了视差计算中视差歧义的问题,提高了立体匹配算法的稳定性与精度;最后使用水平与垂直方向交叉区域检测进行奇异值的修正。实验结果表明,该算法在Middlebury数据集中31对立体图像对的平均误匹配率为7.96%,有效的提高了立体匹配精度。(本文来源于《光电子·激光》期刊2019年09期）
于春和,张静[9]（2019）在《基于SAD的立体匹配算法研究》一文中研究指出基于对双目摄像机获取的图像对进行立体匹配的目的,采用SAD算法,针对在匹配过程中模板图像易受待匹配图像中区域相似性较高的点干扰而造成错误匹配的问题,通过对不同的窗口大小进行实验,得到更适合本文的视差图。SAD算法作为匹配代价函数来进行评估两个图像块的相似度,得到的视差图具有较好深度感,为下一阶段的叁维重建工作打下了基础。(本文来源于《沈阳航空航天大学学报》期刊2019年04期）
亢宇欣,谌贵辉,邓宇,张军豪[10]（2019）在《多测度融合的立体匹配算法研究》一文中研究指出针对多测度融合的立体匹配算法的测度选择问题,提出一种基于测度互补系数的测度选择方法。通过该方法选择多种测度进行融合作为匹配代价,并使用改进的半全局算法进行代价聚合,实现多测度融合的立体匹配算法。首先定义互补系数,通过互补系数选择多种相似性测度进行融合作为匹配代价;然后,针对半全局代价聚合使用随机初始化视差图导致立体匹配效果较差的问题,使用基于SURF特征得到的视差作为初始视差进行半全局代价聚合;最后计算视差并优化视差得到最终视差图。实验表明,使用该测度选择方法可以选择互补特征,结合改进的半全局代价聚合方法可以提高立体匹配效果。(本文来源于《图学学报》期刊2019年04期）
立体匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
卷积神经网络在训练时,输入的图像对可能存在尺寸不一致,以及半全局算法的路径代价聚合不能完全利用待匹配点周围的像素,本文提出一种结合空间金字塔的网络结构训练图像对,计算初始匹配代价,在代价聚合时采用一种结合树形结构的半全局算法。改进后的算法通过实验证明,误匹配率有了明显的降低,获取的视差图精度更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
立体匹配论文参考文献
[1].张晶,王竞雪.结合颜色信息的Census变换半全局立体匹配算法[J].测绘科学.2019
[2].谭浩,车志龙,苏翠丽.基于卷积神经网络的半全局立体匹配[J].信息技术与信息化.2019
[3].杜娟,沈思昀.基于改进多权值滑动窗口的立体匹配方法的实现及应用[J].计算机科学.2019
[4].杨伟姣,杨先海.结合Harris算子和极线约束改进的SIFT立体匹配算法[J].高技术通讯.2019
[5].梁海波,邹佳玲.改进的非参数Census变换立体匹配算法[J].吉林大学学报(理学版).2019
[6].戴文文,曾庆军,赵强,朱志宇,刘维亭.AUV自主回收对接前景视场叁维重建立体匹配研究[C].鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集.2019
[7].朱荣华,葛广英,张广世,申哲,孙群.基于Census变换和多扫描线优化的半全局立体匹配算法[J].光电子·激光.2019
[8].范海瑞,杨帆,潘旭冉,李靖,潘国峰.融合梯度特性与置信度的立体匹配算法[J].光电子·激光.2019
[9].于春和,张静.基于SAD的立体匹配算法研究[J].沈阳航空航天大学学报.2019
[10].亢宇欣,谌贵辉,邓宇,张军豪.多测度融合的立体匹配算法研究[J].图学学报.2019
论文知识图
