双目立体匹配（一）：局部匹配算法之区域匹配算法

基于局部约束算法利用兴趣点周围的局部信息 进行计算, 涉及信息量较少, 相应的计算复杂度较低, 大多实时性平台借鉴了此算法的思想. 但其对噪声较敏感, 对无纹理区域、视差不连续区域和遮挡区域匹配效果不理想.

局部匹配算法可以大体分为三类：区域匹配算法、特征匹配算法和相位匹配算法.

一：区域匹配算法

• 本质上, 基于光度测量学不变性原理的区域匹配算法, 常以邻域窗的灰度为匹配基元, 以相关程度作为判别依据, 可以得到较稠密的视差图.从灰度相关性和非参数变换思想两个方面进行分类. 灰度相关性算法的研究主要集中在匹配代价聚合的窗口构建上, 主要包括: 固定窗算法、多窗口关联算法和自适应窗算法. 算法性能依赖于窗口的两个性质: 其一, 窗内像素点最好具有同一深 度, 不同深度的像素点应尽量少; 其二,窗内应包含足够多易于识别计算的灰度变化. 自适应算法思想是以灰度值和深度值作为自变量构造尺度函数, 进行窗的选择.

• 区域匹配算法的一个突出缺点是, 对无纹理区域常常由于相关函数变化的锐度不够以及难于保留深度不连续特性, 不能取得精确的匹配结果。

  灰度相关性算法：
  
  灰度匹配算法
  经过极线矫正之后的图像，在左图像中选择一个[2m+1,2m+1]大小的区域，在右边相同行上选择同样大小的区域，从左到右遍历右图像上此行的所有像素点，以相关值的计算作为匹配标准，找到对应的匹配点。而对于不同的相关函数，其性质也不大一样。比如常用的相关公式有：