11、基于特征的彩色立体匹配算法与新型边缘保留有损图像编码器解析

基于特征的彩色立体匹配算法与新型边缘保留有损图像编码器解析

基于受限搜索的特征彩色立体匹配算法

在计算机视觉领域，从多个图像中重建动态复杂的3D场景是一个基本问题。为了恢复丢失的第三维（深度），需要通过图像之间的对应关系来提取它们之间的联系。减少立体对应中的搜索区域可以提高匹配过程在执行时间和准确性方面的性能。

立体视觉方法概述

基于立体视觉的方法类似于人眼，从两个不同的视点拍摄两幅图像，然后将信息推断为3D结构。所提出的立体算法包括特征提取和特征匹配两个阶段。在特征提取阶段，从左右图像中提取特定的特征点，如边缘、角点、质心和纹理区域。在特征匹配阶段，提取对应关系。研究主要关注边缘，因为它们代表了形状的高频和结构；同时也关注彩色图像，因为颜色也是一个重要特征，其变化通过左右图像之间的MSE（均方误差）因子来衡量。

为了减少搜索空间，还应用了不同的约束条件，如极线约束、视差限制约束和视差方向导数限制。此外，使用特征点链来减少计算时间和匹配误差。彩色立体图像与特征链一起使用，能有效减少匹配误差。连续连接特征的搜索空间通过视差方向导数的经验限制来减少，颜色使匹配对遮挡不太敏感，因为遮挡通常会导致颜色不连续。

特征点链接成链

通过将连续连接特征的搜索空间从预定义的小范围视差中缩小，算法的运行速度比其他相应算法更快。为了使算法高效运行，仅使用MSE相似度度量测试每个链的前两个特征点。如果两个特征的相关性得分都很高，则将来自每个图像的测试链对定义为链对应。实验结果表明，平均92%的特征链长度小于或等于5，这意味着大约40%的特征点对应关系得到了评估。

彩色立体视觉

颜色在人类感知中