色彩相似度的自适应立体匹配
彩色镜像图像的立体匹配方法
领 域 ，是数字 图像处理领 域的重要研究方 向。图像 匹配主要
分为基于灰度值的方法和基于特征提取 的 ２类方法。在基于
所包含的信 息，对彩色图像 的 Ｈ Ｉ Ｓ 颜色空间的各个通道分别
３个分量相 关系数综合评价 ２个像素之 间的相 关性 ，提高匹 配准确度 ； ４对于步骤（） （） ３匹配后获得 的匹配点 ， 通过添加逆 序约束进一步对歧义点进行剔除 ，最后得到满意 的立体匹配
ｎ ｅ ｉ ａ ｅ ｔ ｒ ｒｍａｃ ｉ ｇ ｐ ｉ ｔ ． ｘ ｅ ａ ｄ ｔ ｌ ｎ ｔ ｅｅ ｏ ｔ ｈ ｎ ｏ ｎ ｓ Ｅ ｐ ｒｍｅ ｔ ｅ ｕ ｔ ｈ ｗ ｈ ｔ ｈ ｍａ ｅ ｍａｃ ｉ ｇ ｒ ｓ ｌ ｅ ｓ ｔｓ ｅ ｏ ｍｉ ｈ ｉ ｎ ａ ｒ ｓ ｌ ｓ ｏ ｔ ａ ｅｉ ｇ ｔｈ ｎ ｅ ｕ ｔ ａ ａ ｆ ｄ． ｌ ｓ ｔ ｓｒ ｉｉ
进行相 关系数 计算 ，并采用信息融合 的方法 ，根据 Ｈ ，Ｓ ，，
灰度值 的方法方面 ，文献【一】 ｌ２采用 的量度是像素邻域窗 口灰 度相 关系数法。文献 【】 ３列举并 比较 了各种相 关函数 。基于特
征 的匹配方法 以图像的特征作为可能性量度。文 献【—】 ４５采用 点、线等低 级特征作为匹配的依据 ，而文献【】 用图像 的 ６则采
ｕｓ ｆｔ ｅ ｉ ｆ ｒ ｔ ｎ ｉ ｏ ｏ ｅ ｏ ｎ ｏ ｍａ ｉ ｎ ｃ ｌ ｒＨＳＩ ｐ ｃ ， ｈ ｏ ａ ｅ ｍｕ ｔ— ａ ｓｃ ｒｅ ａｉ ｎ ｒ ａ ｃ ｌ ｔ ｄ ａ ｄ ｔ ｅ Ｈ， ， ｎ ｏ ｓ ｌ ｐ ｓ ｏ ｌ ｔｏ ｓａ ｅｃ ｌｕ ａ ｅ ， ｎ Ｉ ａ ｄ Ｓ ｃ ｍｐ ｎ ｎ ｓ ｒ ｓ ｅ ｔｖ ｏ ｅ ａｉ ｎ ｅａ ｌ ａ ｅ ｉ ｈ ｏ ｅ ｔ’ ｅ ｐ ｃ ｅｃ ｒ ｌｔｏ ｓａ ｌ ｔ ｋ ｎ ｉ ｒ
基于RGB三分量亮度法线相似度的立体匹配算法
基于RGB三分量亮度法线相似度的立体匹配算法高凯【摘要】In order to solve the problem of low matching accuracy in stereo matching algorithm,based on the analysis of the optical feature in RGB color image,triple normal of pixels in a 3-dimensional RGB image space is proposed, which can reflect the high frequency information of the RGB image planes,respectively. In order to get the accurate dense disparity map between the stereo pairs,based on the adaptive support weight approach in RGB vector space,a matching algorithm,which combines the RGB normal similarities to compute the corresponding support weights and dis-similarity measurements,is proposed. Testing by the Middlebury stereo benchmark,the result of the proposed algo-rithm shows more accurate disparity than many state-of-the-art stereo matching algorithms.%为了解决立体匹配算法中匹配精度不高的问题,在分析RGB彩色空间图像的光学特性的基础上,提出了RGB彩色空间R、G、B三彩色分量亮度法线的概念,并得出亮度法线反映了RGB图像像素三分量的高频信息的结论.为了获得双目立体图像间的精确稠密视差图,提出了采用RGB三分量亮度法线相似度来计算自适应权值的局部立体匹配算法,通过Middlebury测试平台与其他当前流行的立体匹配算法进行结果比较,实验结果显示,提出的算法得到了更加精确的匹配结果.【期刊名称】《长春理工大学学报（自然科学版）》【年(卷),期】2018(041)001【总页数】5页(P105-109)【关键词】立体匹配;自适应权值;RGB亮度法线;RGB彩色空间【作者】高凯【作者单位】长春理工大学电子信息工程学院,长春130022【正文语种】中文【中图分类】TP391.41稠密双目立体匹配是计算机视觉领域中广泛研究的问题之一。
一种改进的自适应权重立体匹配算法与校正
２２ 权重因子的改进 ．
相似 的视差图修正方法。校正 过程是从 初始视差 图中给
误匹配点分配合适 的视差值 。通过 比较选择像素点 Ｐ和 经过多次试 验发 现按照上 述方法 ， 以忽 略空 间距 与它最相似点视差 ， 可 在本段中采用上述的颜色相似性结果 离 的权重值 ， 简化算法 ， 提高速度 。如 图 ４所示 ， ４ 为 作为校正准则 ， 图 ａ 选择与其颜色最为接近的点的视差值作为
ｒｓ ｌ ｈ ｗ ｈｓａｇ ｒｔｍ ａ ｆｅ ｔ ｅｙ ｉ ｒｖ ｈ ｃ ｕ ａ ｙｉ ｅ ｅ ｔ ｄｄ ｐｈｄｉｃ ｎｉｕｔ ｓａ ｄｌｗ－ｔｘｕ ｅ ｅ ｉｎ ｎ ｅ ｅｔｒｓｅｅ ｔ— ｅ ｕｔ ｓ ｏ ｔｉ ｏｉ ｓ ｌ ｈ ｃ ｎ ｅｆｃｉ ｌ ｍｐ ｏ ｅｔｅａ ｃ ｒｃ ｎ ｒｐ ａ ｅ ｔ ｓｏ ｔｎ ｉｅ ｏ ｖ ｎ ａ ｉ ｎ ｅ ｔｒｄ ｒｇｏ ｓａ ｄｇ ｔａｂ ｔ ｔｒｏｍａｃ ｅ ｈｎ ｕ ｉ ｈ ｃ ｓｃ ｍｐ ｒ ｂｅｗｉ ｔｅ ｉ ｔｅ ｍ ｔｒｏｍｅｈ ｄ ｉｇｑ ａ ｔ ｗ ｉｈ ｉ ｏ ａａ ｌ ｔ ｏｈ ｒｍａｎｓｒ ａ ｓｅｅ ｔｏ ｓ，ｓ ｅ ｄｎ ｐ ｎ ａｌ ｎｙ ｐ ｒ ｅ ｔ ｌ ｙ ｈ ｐ ｅ ｉｇ ｕ ｅ ｒｙ ｔ ｔ ｅｃ ｎ ． ｗｅ
要， 并且需要许多复杂的参数 。
通过对窗 口内的每个像 素点分配不 同的权重值来实 现对
局部立体匹配算法主要是以图像 的某一部分作为 匹 窗 口的 自适应“ 分割” 效果 ， 较高 ， 精度 但是该算法在 边缘 配基元 ， 采用某种匹配准则对两 幅图像 进行 匹配 ， 中找 区域 和重复区域误匹配率较高 ， 从 且计算量较大。
的精度 ， 而且速度较 自适 应权 重算法提高 了近 ２ ％ ， 当前主流算法具有 可比性。 ０ 与
立体匹配的原理和方法
立体匹配的原理和方法Stereo matching is a fundamental problem in computer vision that aims to establish correspondences between points in a pair of stereo images. 立体匹配是计算机视觉中的一个基本问题，旨在建立一对立体图像中点的对应关系。
It is a crucial step in tasks such as depth estimation, visual odometry, and 3D reconstruction. 这是深度估计、视觉里程计和三维重建等任务中的一个关键步骤。
The principle of stereo matching is to find corresponding points in two images taken from different viewpoints. 立体匹配的原理在于找出来自不同视角拍摄的两幅图像中对应的点。
By comparing these points, the depth information of the scene can be inferred. 通过比较这些点，可以推断出场景的深度信息。
One common method for stereo matching is the use of pixel-based matching algorithms. 一个常见的立体匹配方法是使用基于像素的匹配算法。
These algorithms compare the intensity or color of pixels in the two images to find correspondences. 这些算法比较两幅图像中像素的强度或颜色来找到对应的点。
However, pixel-based methods often struggle with handling textureless regions or occlusions in the images. 然而，基于像素的方法常常难以处理图像中无纹理区域或遮挡。
立体匹配——SAD算法
立体匹配——SAD算法立体匹配（Stereo matching）是计算机视觉领域中的一个重要任务，它旨在从一对立体图像中寻找对应的像素点。
在立体图像中，同一物体在左右图像中的像素点具有一定的空间上的关系，通过立体匹配算法可以找到这些对应点的位置，从而实现深度感知、三维重建等应用。
SAD（Sum of Absolute Differences）算法，是立体匹配中最简单且广泛使用的算法之一、其基本思想是对于左视图中的每个像素点，分别在右视图中最匹配的像素点，然后计算它们的绝对差值之和。
通过比较这些和值，确定两幅图像中像素点的匹配程度。
SAD算法的步骤如下：1.首先，读取左右视图的灰度图像，并初始化匹配代价图。
匹配代价图的大小与左、右视图的大小相同，每个像素点的值用于表示该点与左视图中对应位置的像素点进行匹配时的匹配代价，初始值设为无穷大。
2.对于左视图中的每个像素点，依次遍历右视图中与之对应的像素点。
计算两幅图像中对应的两个像素点的绝对差值之和，得到匹配代价。
3.比较右视图中与左视图中当前像素点最匹配的像素点的匹配代价与现有的匹配代价图中对应位置的值。
若当前匹配代价小于已有值，则更新匹配代价图。
4.完成一轮遍历后，匹配代价图中的像素值即为左、右视图中像素点的匹配程度。
5.进行后处理过程，例如基于匹配代价图进行视差估计，通过视差估计可以得到物体在图像中的深度信息。
SAD算法的优点是简单易实现，并且对计算资源需求较低。
然而，SAD算法也存在一些缺点。
首先，由于只考虑了像素的绝对差值之和，没有考虑像素之间的空间关系，容易受到光照变化、纹理差异等因素的影响。
其次，由于立体图像中存在视差，即左、右视图中同一物体像素点之间的距离，而SAD算法只考虑了像素值的相似性，没有考虑到该距离信息，因此在处理视差较大的情况时，SAD算法的性能较差。
为了克服SAD算法的缺点，研究者们提出了很多改进的算法，如基于代价聚合的动态规划算法、块匹配算法、半全局匹配算法等。
立体匹配方法
立体匹配方法
立体匹配方法是计算机视觉中常用的一种技术，用于将多张图像中对应的像素点进行匹配，从而得到物体的三维模型。
在匹配的过程中，需要考虑到图像间的视差以及图像中的噪声等因素，因此需要采用一定的算法来解决这些问题。
目前常用的立体匹配方法包括基于区域的方法、基于特征点的方法和基于深度学习的方法。
其中，基于区域的方法主要通过计算图像中的灰度值和梯度等信息来匹配对应的像素点，但是这种方法容易受到图像中的纹理和光照等因素的影响。
基于特征点的方法则是通过提取图像中的关键点，如角点和边缘点等，来进行匹配。
但是这种方法可能会忽略图像中其他重要的信息，如纹理和颜色等。
近年来，随着深度学习技术的发展，基于深度学习的立体匹配方法也得到了广泛的应用。
这种方法通过训练神经网络来实现像素点的匹配，可以有效地解决图像中的噪声和复杂纹理等问题。
总之，立体匹配方法是计算机视觉中重要的一种技术，不仅可以用于三维重建和物体识别等领域，也可以在机器人导航和自动驾驶等领域中发挥重要作用。
- 1 -。
一种基于区域颜色信息的宽基线立体匹配算法
一种基于区域颜色信息的宽基线立体匹配算法
李竹林;刘彦保
【期刊名称】《微电子学与计算机》
【年(卷),期】2012(29)10
【摘要】立体匹配技术是立体视觉研究领域的难点,利用图像的特征信息解决对应问题是研究的热点.本文在提取基于边缘仿射不变区域检测器的基础上,设计了基于
区域颜色信息和几何信息的彩色图像立体匹配算法.该算法首先对所提取的不变区
域进行颜色空间量化,在此基础上根据两种色彩之间的距离进行色彩聚类,然后计算
直方图的二次距离,并进行相似性度量,最后根据区域间几何性质进行误匹配剔除.实验证明,该算法能降低解决对应问题的复杂性,提高正确匹配率.该方法对于目标识别、三维重建、非接触测量等研究均具有重要的意义.
【总页数】4页(P74-77)
【关键词】宽基线;立体匹配;区域检测;相似度测量
【作者】李竹林;刘彦保
【作者单位】延安大学计算机科学学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种基于Integral Imaging和多基线立体匹配算法的深度测量方法 [J], 伍春洪;杨扬;游福成
2.基于颜色特征的宽基线图像的点匹配算法 [J], 于海燕
3.基于稳定极值区域的宽基线双目立体匹配算法 [J], 李竹林;赵宗涛;刘彦保;刘兴平
4.基于梯度不变的彩色图像宽基线立体匹配方法 [J], 李竹林;许淳
5.基于特征的宽基线立体匹配技术研究 [J], 李竹林;张根耀
因版权原因，仅展示原文概要，查看原文内容请购买。
基于彩色图像分割的置信传播快速立体匹配算法
基于彩色图像分割的置信传播快速立体匹配算法摘要：本文采用了一种基于彩色图像分割和置信传播相结合的快速立体匹配算法。
对于已经校准好的两幅图像，首先采用均值漂移算法对彩色图像进行图像分割，然后采用区域匹配算法进行快速初始立体匹配，再采用左右一致性校验法滤除误匹配点，得到初始视差图以及各个区域的视差平面模板。
最后采用置信传播算法对获得的视差平面模板进行全局优化，得到各个区域最优视差平面模板，从而得到最终视差图。
实验结果表明，采用区域匹配与全局优化算法相结合，不仅提高了立体匹配速度，同时也保证了匹配质量。
关键词：图像分割均值漂移算法置信传播立体匹配中图分类号：tp39 文献标识码：a 文章编号：1007-9416（2013）01-0115-031 引言立体匹配是双目立体视觉系统中最重要也是最困难的一部分，是三维重建的核心技术。
立体匹配实际上是对左右两台摄像机从不同视点看同一景物，在左右两幅图像重叠区域寻找对应点的过程。
它利用空间物体点在左右摄像机中的成像模型来获取成像偏差的过程。
按照约束方式的不同，立体匹配算法可分为区域匹配算法和全局匹配算法。
按照匹配基元的不同，立体匹配算法分为基于区域的匹配算法、基于特征的匹配算法和基于相位的匹配算法[1]。
然而，基于区域的匹配算法对光照强度和对比度的变化非常敏感，同时匹配窗口的选取也是一个难点，当图像存在纹理特征重复和遮挡现象比较严重的情况下，会引起匹配混淆，错误匹配概率较高。
基于全局的匹配算法，如图割算法[2]、置信度扩展[3][4]和动态规划[5]等算法能够对整个图像进行有效的约束，匹配结果也较局部匹配算法精确，但是实时性不好，匹配时间过长。
本文主要是针对局部匹配算法和全局匹配算法的缺点和不足，采用了一种基于区域匹配与全局匹配算法相结合的算法，来提高双目立体匹配的效率，增强立体匹配算法的实时性。
首先，利用均值漂移算法[6]对左右两幅图像进行彩色图像分割，再使用ncc相似度测量计算相关度，得到初始匹配视差图；其次，引入置信度的概念，针对大的遮挡区域和低纹理区域中置信度低的区域，取邻域相关系数最大的视差值；最后，对边缘像素进行修正，并对整个视差图进行滤波从而得到效果精确的视差图，用来检验匹配算法的精确性。
提高颜色一致性 Adobe Premiere Pro中的色彩匹配技巧
提高颜色一致性：Adobe Premiere Pro中的色彩匹配技巧在使用Adobe Premiere Pro进行视频编辑时，保持颜色一致性是非常重要的。
如果你的镜头、摄像机或拍摄环境不同，视频中的颜色可能会有所差异。
为了维持统一的色彩风格，你可以使用Premiere Pro中的色彩匹配功能。
下面将介绍几种色彩匹配的技巧，帮助你提高颜色一致性。
1. 使用Lumetri色彩面板Lumetri色彩面板是Adobe Premiere Pro中一个非常强大的工具，它可以帮助你调整视频的色彩和色调。
打开Lumetri色彩面板后，你可以通过调整色阶、曲线、色彩饱和度等参数来匹配视频的颜色。
你还可以使用色彩通过滑块来调整整体色彩，并使用色轮来调整特定颜色的饱和度和色调。
2. 使用对比度和亮度调整通常情况下，视频剪辑中的不同镜头或场景之间可能存在对比度和亮度的差异。
为了匹配这些差异，你可以使用“色彩校正”效果，通过调整对比度和亮度来达到一致的色彩表现。
通过在色彩校正效果中微调高光、阴影和中间色调，你可以更好地控制视频的整体外观。
3. 使用采样器匹配颜色Premiere Pro中的采样器工具可以帮助你选择视频中的特定颜色，并将其应用到其他镜头或场景中。
在Lumetri色彩面板中，找到“匹配颜色”选项，点击添加一个采样器。
然后，在源镜头中选择一个代表性的颜色，Premiere Pro会自动调整其他镜头中的相似颜色，以匹配整体色彩。
4. 使用预设或LUTsPremiere Pro中有很多预设和LUTs（查找表），可以帮助你快速匹配颜色。
预设是一系列已经预先调整好的色彩效果，在应用到视频中后，可以轻松实现一致的颜色风格。
而LUTs是包含颜色调整信息的文件，可以将它应用到视频中，从而匹配颜色。
通过使用这些预设或LUTs，你可以在几秒钟内改变视频的整体色彩。
5. 多镜头同步颜色匹配当你需要同时处理多个镜头或场景时，保持颜色一致性就尤为重要了。
镜头色彩匹配 使视频镜头之间一致
镜头色彩匹配：使视频镜头之间一致在视频编辑中，镜头色彩匹配是一项重要的技术，能够使不同镜头之间的色彩保持一致，让观众在观看视频时感受到流畅的视觉体验。
Adobe Premiere Pro软件提供了一些强大的工具和功能，帮助我们实现镜头色彩匹配。
首先，我们需要明确整体的调色目标。
在制作视频之前，我们可以将一些参考图像或者视频片段导入到Premiere Pro软件中，作为我们想要达到的效果的参考。
这样可以帮助我们确保视频的整体色调和色彩都与参考内容相匹配。
接着，我们可以通过色彩校正和调整功能来实现镜头色彩匹配。
在Premiere Pro软件中，通过选择“效果”菜单中的“色彩校正”选项，我们可以使用例如“三维LUT调整”、“曲线”、“三向色彩平衡”等工具，来调整视频的色彩和色调。
三维LUT调整是一种非常常用的色彩校正方法。
我们可以通过选择合适的LUT文件来改变视频的色调和整体色彩风格。
同时，我们还可以通过调整曲线来精确控制视频的亮度和对比度。
使用曲线功能时，我们可以在直方图上选择亮度和对比度调整点，通过微调来达到我们想要的效果。
此外，Premiere Pro软件中的“三向色彩平衡”功能也非常有用。
它可以帮助我们调整红色、绿色和蓝色的色相、饱和度和亮度，从而使镜头之间的色彩得到匹配。
在进行色彩校正和调整时，我们可以使用“色彩范围”和“色阶”功能来进一步优化视频的色彩。
通过调整色彩范围，我们可以扩展或压缩视频中特定颜色的范围，以达到更鲜艳或柔和的效果。
而通过使用色阶功能，我们可以调整图像的明暗程度，增加画面的层次感。
在完成镜头色彩匹配后，我们还可以使用“重力”功能来进一步调整视频的颗粒感和色彩风格。
Premiere Pro软件中的“重力”功能可以模拟不同胶片的效果，例如传统胶片、黑白胶片或者电影风格等。
我们可以根据视频的主题和风格选择合适的重力效果，增强镜头之间的一致性。
总之，镜头色彩匹配是视频编辑中不可或缺的一项技术。
几种图像相似性度量的匹配性能比较
几种图像相似性度量的匹配性能比较第30卷第1期2019年1月文章编号:1001-9081(2019)01-0098-03计算机应用JournalofComputerApplicationsVol.30No.1Jan.2019几种图像相似性度量的匹配性能比较陈卫兵(南通职业大学电子工程系,江苏南通226007)(ntcwb@)摘要:针对景象匹配中匹配性能和匹配实时性会受相似性度量选择影响的问题,从常用的相似性度量(归一化积相关、相位相关、均平方差和去均值均平方差)入手,对图像施加噪声和进行畸变(如图像旋转变化、图像比例变化、光照强度变化和云层遮挡等),通过相似性度量匹配性能的仿真试验,从匹配性、适应度和实时性等方面对各相似性度量进行比较,并对结果进行了归纳总结与证明。
关键词:图像匹配;相似性度量;匹配性能中图分类号:TP391 文献标志码:AComparisonofmatchingcapabilitiesinsiilarityentsCHENWei2(DepartmentofElectronicEngineering,NNantongJ226007,China)Abstract:Imagematchingreal2eonhowtochoosesimilaritymeasurementmethodofimagetot opicin2depth,thepapercarriedoutaseriesofsimulationexperimentsonoffoursimilaritymeasurements(NProd,PC,MSDandequalizationMSD)throu ghonimagedistortions.Theimagedistortionsincludepictureorientation,imagescalech ange,illuminationintensitychange,cloudscover,andsoon.Theexperimentalresultswer ecomparedwiththosefromthematchingperformance,adaptivecapacityandreal2timecapab ility.Analysisandtheoreticaldemonstrationoftheresultswerealsogiven.Keywords:imagematching;similaritymeasurement;matchingperformance0 引言景象匹配技术在飞行器制导定位等领域一直是人们研究的热门课题,具有广泛的应用前景。
颜色风格自适应的图像克隆算法
颜色风格自适应的图像克隆算法
程皓楠;王凯;刘世光
【期刊名称】《图学学报》
【年(卷),期】2017(038)005
【摘要】图像克隆即将源图像中的克隆选区与目标图像无缝拼合,生成一幅真实自然的合成图像.针对现有图像克隆技术中存在的染色问题,提出了一种颜色风格自适应的图像克隆算法.首先,算法通过颜色不变量模型(GN)对目标图像颜色风格进行预判断,并得到光照判断参数.然后,依据光照判断参数在色域空间中对克隆选区进行自适应的颜色匹配,从而对克隆结果进行颜色控制.最后,将颜色距离与空间距离作为限制条件,对平移后的克隆选区边界进行优化,实现合成图像背景的无缝融合.本算法可以自适应地对不同颜色风格图片进行颜色控制,避免了以往算法手动调整参数的过程,多种实验结果验证了本方法的有效性.
【总页数】6页(P700-705)
【作者】程皓楠;王凯;刘世光
【作者单位】天津大学计算机科学与技术学院,天津 300350;天津大学计算机科学与技术学院,天津 300350;天津大学计算机科学与技术学院,天津 300350;天津市认知计算与应用重点实验室,天津 300350
【正文语种】中文
【中图分类】TP391
【相关文献】
1.颜色风格自适应的图像克隆算法 [J], 程皓楠;王凯;刘世光;
2.基于采样抠图和自适应颜色的图像合成算法 [J], 李娜;王丹
3.低照度图像自适应颜色校正与对比度增强算法 [J], 李庆忠; 赵峂; 牛炯
4.用于低照度图像增强的自适应颜色保持算法 [J], 朱德利; 杨德刚; 万辉; 杨雨浓
5.基于YC_oC_g-R颜色空间与离散余弦变换的自适应彩色图像水印算法 [J], 董夙慧;孙中廷;徐永刚
因版权原因，仅展示原文概要，查看原文内容请购买。
一种自适应色彩融合的Mean-Shift跟踪算法
一种自适应色彩融合的Mean-Shift跟踪算法
王玉全;夏桂华;赵国良
【期刊名称】《计算机应用研究》
【年(卷),期】2008(25)9
【摘要】针对现有的Mean-Shift算法使用单纯的颜色特征不能适应光线及背景的变化,易受颜色相近物体干扰的问题,提出了自适应色彩融合方法来提高跟踪性能.对背景以极坐标的形式进行不等间隔采样,以融合后的目标直方图与背景直方图具有最小相似性为原则搜索色调与饱和度的最佳线性融合系数;考虑背景与目标的渐变,跟踪过程中在最佳融合系数的自适应调整邻域内调整融合系数;能够有效处理相似物体和颜色相近的大背景带来的干扰.视频序列跟踪结果表明,提出的方法能够实时、稳定地进行跟踪.
【总页数】4页(P2875-2877,2880)
【作者】王玉全;夏桂华;赵国良
【作者单位】哈尔滨工程大学,自动化学院,哈尔滨,150001;哈尔滨工程大学,自动化学院,哈尔滨,150001;哈尔滨工程大学,自动化学院,哈尔滨,150001
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于PF的窗口自适应Mean-Shift跟踪算法 [J], 张万绪;姜卫琳;张晓军
2.带宽自适应的Mean-Shift跟踪算法 [J], 孙玉秋;胡维;黎雄
3.基于Mean-shift改进的自适应目标跟踪算法 [J], 张伟;李绍铭;王勇
4.基于Mean-shift改进的自适应目标跟踪算法 [J], 张伟;李绍铭;王勇
5.基于Mean-shift改进的自适应目标跟踪算法 [J], 张伟;李绍铭;王勇
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词：立体匹配； 权值矩阵； 边界点； 相似性系数； 视差图 中图分类号： TP391． 41 文献标志码：A
Adaptive stereo matching based on color similarity
LI Hong1 ，LI Da-hai1* ，WANG Qiong-hua1，2 ，CHENG Ying-feng1 ，ZHANG Chong1
doi： 10． 3724 / SP． J． 1087． 2012． 03373
基于色彩相似度的自适应立体匹配
李 洪1 ，李大海1* ，王琼华1，2 பைடு நூலகம்陈盈锋1 ，张 充1
( 1． 四川大学 电子信息学院，成都 610064; 2． 四川大学 视觉合成图形图像技术国防重点学科实验室，成都 610065) ( * 通信作者电子邮箱 lidahai@ scu． edu． cn)
Journal of Computer Applications 计算机应用，2012，32( 12) : 3373 － 3376
ISSN 1001-9081 CODEN JYIIDU
2012-12-01 http: / / www． joca． cn
文章编号： 1001 － 9081（ 2012） 12 － 3373 － 04
Abstract: A kind of area matching method that combined weights matrix with similarity coefficient matrix was proposed in this article． The article was organized as follows: first of all， the method got the weights matrix by using color similarity and distance proximity， and the value of the matrix was corrected with an edge matrix for improving correction of the edge pixels． Then a similarity coefficient matrix was adaptively obtained according to each point pair's sum of absolute difference in matching window between left image and right image． Finally， the method was investigated by matching four stereo images ( Tsukuba， Venus， Teddy， and Cones) with ground truth provided in Middlebury stereo database and the rate of overall accuracy reaches 91． 82% ，96． 19% ，76． 6% ，86． 9% ，respectively．
摘 要：提出了一种结合权值矩阵和相似性系数矩阵构造的区域匹配方法。该方法首先运用色彩相似性和距离 临近性对窗内的每一点相对于待匹配点的自适应权值进行分配，得到一个权值矩阵，为了提高在视差不连续区域的 匹配精度，使用了边界点矩阵来降低相对应点的权值。然后在 RGB 色彩空间中根据待匹配点和对应点的匹配窗内的 每一点的颜色绝对差值和来自适应分配相似性系数矩阵。最后利用上述方法对 Middlebury 网站上提供的四幅立体图 像对 Tsukuba、Venus、Teddy 和 Cones 进行了实验，总体正确率分别达到了 91． 82% 、96． 19% 、76． 6% 和 86． 9% 。
Key words: stereo matching; weights matrix; edge pixel; similarity coefficient; parallax image
0 引言
立体匹配是立体视觉研究中的一个关键步骤，在立体图 像匹配算法中，主要有局部算法和全局算法两大类［1］。局部 算法中，根据匹配基元的不同可分为基于区域的匹配［2 － 4］、特 征匹配［5 － 7］、基于相位的匹配［8］ 和基于 梯 度 的 算 法［9］ 等，而 区域匹配和特征匹配是最常见的两种方法。其中，区域匹配 算法是在一幅图像中以待匹配点为中心选取一个区域，在另 一幅图像中找到与该区域匹配代价最小的区域，并把找到区 域的中心认为是待匹配点的对应点的过程。常用的区域相似 性测度有归一化互相关（ Normalized Cross Correlation，NCC） 、 差值平方和（ Sum of Squared Difference，SSD） 、归一化差值平 方 和 （ Normalized SSD ） 、绝 对 差 值 和 （ Sum of Absolute Difference，SAD） 、归 一 化 绝 对 差 值 和 （ Normalized SAD） 等。 在这些相似性测度中，非归一化的方法计算量较小，但容易受 到光照影响，轻微的光照差异可能造成很大的匹配误差； 归一 化的方式受光照影响相对较小，但计算量巨大，效率低下。因 此，本文提出了一种满足效率且对光照差异不敏感的相似性 测度算法。