基于颜色内相关和ASW的高效立体匹配算法：降低误匹配率

本文主要探讨的是"基于颜色内相关和自适应支撑权重的立体匹配算法"。在现代计算机视觉领域，立体匹配是一项关键技术，其目标是通过比较两幅或多幅立体图像中的对应像素，以估计它们之间的深度信息。传统立体匹配往往依赖于像素间的某种相似度度量，而颜色内相关作为一种固有的像素属性，因其能够敏感地反映像素间微小的颜色差异，被用来增强匹配的精度。 文章创新性地提出了结合颜色相似性、欧式距离相似性和颜色内相关相似性的自适应支撑窗口算法。相比于传统的自适应支撑权重(ASW)方法，这种改进版算法更细致地考虑了像素点之间的多维度相似性，从而赋予每个匹配窗口内的像素不同的权重，有助于减少误匹配的可能性。这种策略使得匹配过程更加精细，提高了匹配的准确性。 此外，为了减小光照变化对匹配结果的影响，作者提出在计算匹配代价关系之前，先对匹配点进行rank变换，这是一种数据预处理技术，可以标准化图像特征，使得不同光照条件下的像素能够更好地对比。这样做的好处是提高了算法的鲁棒性，使其能在复杂的光照环境下也能得到稳定的匹配结果。 匹配后的初始视差图经过三步优化处理，排除了由于图像遮挡、重复等非匹配引起的错误，进一步提升了视差估计的精度。作者通过在Matlab软件平台上对一系列国际标准图像进行实验，结果显示，这种方法显著降低了视差结果的平均错误率，相比于其他局部匹配方法，性能更优，具有较高的稳定性和较低的误匹配率。 这篇论文的核心贡献在于提出了一种利用颜色内相关和自适应支撑窗口的立体匹配策略，以及rank变换的预处理方法，有效提高了立体匹配的精度和鲁棒性。这对于图像处理和三维重建等领域具有重要的实际应用价值。