改进Census变换：一种高效立体匹配算法

摘要信息：“一种利用邻域相关信息的改进Census变换立体匹配算法。针对传统Census变换的不足，通过结合邻域像素的相关信息，改进了Census变换，增强了在视差不连续区域的信息表示，降低了噪声影响。算法包括并行化匹配代价聚合、亚像素插值、左右一致性约束和遮挡区插值步骤，实现了高精度、低复杂度的稠密视差图。实验证明，该算法具有良好的鲁棒性和较高的匹配精度。” 本文主要探讨的是立体匹配技术在计算机视觉中的应用，特别是针对传统Census变换存在的问题，提出了一种改进的算法。立体匹配是通过两幅图像获取三维信息的关键技术，广泛应用于机器人导航、航天探测和障碍物检测等领域。早期的研究侧重于生成高质量的视差图，但忽视了计算复杂性和实时性。近年来，研究重点转向在保证精度的同时优化执行速度。 立体匹配算法分为全局算法和局部算法。全局算法虽然匹配精度高，但计算复杂度大；而局部算法虽然效率高，实现简单，但在视差不连续区域和纹理单一区域容易产生误匹配，导致精度下降。本文提出的改进Census变换算法属于局部算法的一种，它通过考虑邻域像素的相关信息，将像素差异用2位信息表示，增强了在边缘和噪声环境下的匹配能力。 具体改进方法包括以下几个步骤： 1. **改进的Census变换**：通过比较像素与其邻域像素的2位信息，增加信息表示的丰富度，减少了误匹配的可能性。 2. **并行化匹配代价聚合**：为了提高效率，采用并行化处理，快速计算每个像素的匹配代价。 3. **亚像素插值**：通过亚像素级别的精确匹配，进一步提升视差图的精度。 4. **左右一致性约束**：利用左图像和右图像的对应关系，进行一致性检查，剔除不一致的匹配结果，增强匹配稳定性。 5. **遮挡区插值**：对于被遮挡区域，通过合理的插值策略填充视差信息，保证了稠密视差图的完整性。 实验结果在Middlebury立体图片数据集上进行，表明该算法在保持较低计算复杂度的同时，显著提高了匹配精度和鲁棒性。因此，这种改进的Census变换立体匹配算法对于实际应用，特别是在需要快速且准确的立体匹配的场景下，具有很大的潜力和价值。