抗噪立体匹配：改进Census变换与异常值剔除算法

"本文提出了一种改进的Census变换和异常值剔除的抗噪立体匹配算法，旨在解决传统Census变换在噪声环境下的匹配精度问题。该算法在初始匹配代价阶段利用映射函数控制异常值，提高单像素匹配的可靠性；接着在代价聚合阶段剔除异常值，进一步优化匹配过程；最后通过视差计算和优化得到高质量的视差图。实验结果显示，此算法的抗噪性能优越，错误匹配率低至5.71%，并在VS2013平台上使用Middlebury标准测试图进行了验证。" 立体匹配是计算机视觉领域中的关键任务，用于计算图像对之间的对应关系，特别是在双目视觉系统中，它对于深度信息的获取至关重要。Census变换是一种常用的局部特征描述子，其对光照变化和小几何变形具有鲁棒性，但容易受到噪声的干扰，导致匹配精度下降。 本文提出的改进Census变换策略，主要是在计算匹配代价时，选取窗口邻域内的值作为参考，通过映射函数来抑制噪声可能导致的异常值。这种方法增强了单像素匹配代价的稳定性和可靠性，降低了噪声对匹配结果的影响。异常值剔除是另一项关键技术，通常在代价聚合阶段应用，它能有效地去除不准确的匹配候选，进一步提升匹配质量。 在代价聚合过程中，动态聚合窗口被用来收集和整合来自不同方向和距离的匹配代价信息。通过剔除这些窗口中的异常值，算法能够更准确地估计视差，减少了误匹配的可能性。之后，通过视差计算和优化步骤，可以确定最终的视差图，即每个像素在场景中的深度信息。 实验部分，作者在VS2013软件平台上使用Middlebury标准测试数据集进行评估，这个数据集包含了各种复杂场景和噪声条件，是立体匹配算法性能验证的常用工具。实验结果证明，改进后的算法在抗噪性能上超越了传统的Census变换算法，并且错误匹配率仅为5.71%，表明了该算法的有效性和实用性。 这种改进的Census变换和异常值剔除的抗噪立体匹配算法，不仅提升了在噪声环境下的匹配精度，还降低了错误匹配率，对于实际应用中的立体视觉系统有着重要的意义。