立体匹配成本函数的辐射变化敏感性评估

立体匹配成本函数评估是计算机视觉领域中一项关键任务，它涉及到计算图像中对应像素位置的相似性，以便进行深度估计和三维重建。在Heiko Hirschmuller和Daniel Scharstein的研究中，他们深入探讨了各种匹配成本函数对图像辐射变化的不敏感性，这是在实际应用中需要考虑的重要因素。 首先，所有立体匹配算法的核心在于计算匹配成本，这个过程涉及像素级和窗口级的不同模型。最基础的模型假设图像强度恒定，但更复杂的方法会考虑如辐射变化、噪声、增益和曝光差异等影响。常用的像素级成本函数有绝对差异、平方差异、采样不敏感的绝对差异等，而窗口级的成本函数如绝对差、平方差、归一化互相关（NCC）、秩和统计等则是通过滤波器实现的，如秩滤波器和LoG滤波器。 互联信息和近似分段互联信息等更为复杂的相似性度量也被应用于高级立体匹配方法中。这些度量能捕捉到更丰富的图像特征，但同时也增加了计算复杂性。 当前的研究文献已经对多种先进的立体匹配方法进行了评估，如处理复杂几何形状和纹理的场景，但大部分测试数据对辐射变化的敏感性并未得到充分考量，因为标准的立体数据集通常对比度较高，图像辐射相似。Hirschmuller和Scharstein的研究填补了这一空白，他们设计了新的数据集，包括受控的曝光和照明变化，来专门评估匹配成本对辐射变化的适应性。 "相似辐射度"是一个专业术语，指的是在同一场景点上的像素在图像中的理想值，但由于相机设置、渐晕、噪声等因素，实际图像可能存在辐射差异。非朗伯表面的存在还会使反射光量随视角变化，进一步增加了匹配成本的复杂性。研究者们的目标是在考虑这些因素的同时，找到一个既能捕捉细节又能抵抗辐射变化影响的理想匹配成本函数，这对于实时、鲁棒的立体视觉系统至关重要。这项工作的成果将有助于提高立体匹配算法的实用性，尤其是在具有较大辐射变化的环境下的应用。