DoG立体匹配算法：改善双目匹配的模糊点问题

"该资源是一篇2009年的自然科学论文，主要探讨了一种新的基于Difference of Gaussian (DoG)的立体匹配算法，用于解决双目立体匹配中的模糊视差点问题。该算法结合了Sum of Absolutes (SAD)算法和DoG滤波器，通过设定阈值识别并修复模糊点，以提高匹配效果。论文受到重庆大学研究生科技创新基金的资助，并由游磊、杨丹和张小洪等人撰写。" 在立体视觉领域，双目立体匹配是计算两个不同视角图像之间对应像素间距离（即视差）的关键步骤，这在3D重建、自动驾驶、机器人导航等领域有广泛应用。然而，由于图像噪声、遮挡等因素，可能会导致匹配结果出现模糊或错误的视差点。该论文提出的算法旨在改善这个问题。 首先，论文采用了SAD算法作为基础，它通过比较左右两幅图像的像素差异来估计视差。SAD算法简单且计算效率高，但对噪声和遮挡不敏感，可能导致匹配质量下降。 接着，引入DoG滤波器，这是一种基于高斯滤波器的边缘检测技术。DoG通过减去不同尺度的高斯滤波图像来增强边缘，从而可以识别出噪声和遮挡导致的模糊区域。在视差图上应用DoG滤波后，可以生成一个阈值地图，用以区分清晰和模糊的视差点。 然后，设定一个合适的阈值，筛选出可能的模糊点。这些模糊点可能是由于噪声、遮挡或者初始匹配错误造成的。识别出这些点后，算法进入下一步。 最后，利用多重视差假定算法对模糊点进行修复。这种方法考虑了多个可能的视差值，通过比较不同假设下的图像一致性来选择最佳视差，从而提高匹配的准确性。 实验结果显示，结合SAD算法与新提出的DoG处理方法，可以有效地减少模糊点，提高立体匹配的精度和稳定性。这种改进对于提升立体视觉系统在实际应用中的性能具有重要意义。 这篇论文提供了一种创新的解决方案，通过结合传统的SAD算法与DoG滤波器，以及后续的模糊点修复策略，优化了立体匹配的过程，特别是在处理噪声和遮挡问题时表现出了优越性。这对立体视觉领域的理论研究和技术开发具有重要的参考价值。