Cross-Based Local Stereo Matching for Orthogonal Integral Images

文章阅读
作者: MingXiao

IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 19, NO. 7, JULY 2009

1 Introduction

将立体配准手段大致分为了两类

  • 在预先定义的多个窗口中选择最合适的，缺点是窗口的形状受到了限制
  • 在一个窗口内修改像素的权重，很显然开销很大

本方法的关键思想，见上文提及

2 具体算法

假设：在一个区域内，匹配的元素应该有相似的灰度和视差

为了找到点\(p(x_0,y_0)\)所在的区域，以\(p\)为中心，构造cross，将水平段记为集合\(H(p)\)，竖直段记为集合\(V(p)\)，并定义一个集合\(\{h_p^-, h_p^+, v_p^-,v_p^+\}\)作为这个cross的边界限制

这个边界集合的定义是关键，回顾图像分割的内容

最终得到的结果和一个3*3的cross取最大值，保证一定存在一个区域而非单个元素

在\(V(p)\)上做滑动，每一个\(V_i(p)\)都能根据一个规则生长出一个\(H_i(p)\)，将所有的\(H_i(p)\)作为这个区域的元素
\[ U(p) = \bigcup\limits_{q\in V(p)} H(q) \]
交换\(H,V\)的地位，也能得到很相近的结果

后面整合cost的部分见上文

3 快速整合算法

还是这个问题，整合的数据量太大了，想办法减少数据量

这里选择的方法是数据复用

原先的区域加和，可以分解为先水平加和，再竖直加和

首先计算全局的可能的水平条的加和，再计算对于区域时调用即可

算法的关键在于d图的复用



Comments