没有合适的资源?快使用搜索试试~ 我知道了~
首页基于NCC的改进立体匹配算法
在双目立体视觉系统中,图像匹配是关键步骤之一。在众多匹配算法中,归一化互相关(NCC)算法由于具有精度高、鲁棒性强等优点得到广泛应用,但其计算量大、运算速度较慢,使其难以在线应用。为此,本文提出一种改进的NCC立体匹配算法,通过引入积分图像和平方积分图像,将矩形窗口区域像素求和运算转化为四个像素点值的简单相加减,同时剔除基准图像中无法匹配区域以减小搜索范围,使计算复杂度得到简化,计算量大为降低。实验证明,改进后的NCC算法在保证匹配质量的基础上,执行速度得到显著提高,利于在线应用。
资源详情
资源评论
资源推荐

基于基于NCC的改进立体匹配算法的改进立体匹配算法
在双目立体视觉系统中,图像匹配是关键步骤之一。在众多匹配算法中,归一化互相关(NCC)算法由于具有
精度高、鲁棒性强等优点得到广泛应用,但其计算量大、运算速度较慢,使其难以在线应用。为此,本文提出
一种改进的NCC立体匹配算法,通过引入积分图像和平方积分图像,将矩形窗口区域像素求和运算转化为四个
像素点值的简单相加减,同时剔除基准图像中无法匹配区域以减小搜索范围,使计算复杂度得到简化,计算量
大为降低。实验证明,改进后的NCC算法在保证匹配质量的基础上,执行速度得到显著提高,利于在线应用。
摘摘 要要: 在双目立体视觉系统中,
关键词关键词: 图像匹配;归一化互相关(NCC); 积分图像 ; 图像处理
0 引言引言
双目立体视觉是计算机视觉的一个重要分支,近年来,双目立体视觉技术得到了大量研究[1],主要应用在机器人导航、
三维测量和虚拟现实等领域。双目立体视觉系统的实现过程由图像获取、摄像机标定、特征点提取、图像匹配和三维立体重建
等步骤组成[2]。图像匹配本质上是寻找两幅图像的相似性[3-4],是恢复三维立体场景的先决条件[5],是立体视觉系统中的关
键技术之一。双目立体视觉图像匹配[6]技术是通过两台水平摆放的摄像机分别获取两幅图像,并从中找出相同景物各像素点
的对应关系,得到其最佳视差值,最终获得图像视差图的技术。
图像匹配方法按照匹配基元不同可分为特征匹配[7]、相位匹配[8]和区域匹配[1,9]三种。特征匹配是针对提取的特征进行
描述,然后运用所描述的参数进行匹配的一类算法,计算量小,速度快,但是匹配效果受到图像特征稀疏性的影响难以获得致
密视差图。相位匹配是最近才发展起来的一类算法,能够反映信号的结构信息和抑制图像的高频噪声,适用于并行处理存在相
位奇点和相位卷绕问题的情况。区域匹配是基于局部窗口间灰度信息相关程度的匹配算法,常用的匹配相似度量函数有
NCC(Normalized Cross Correlation,归一化互相关)、SAD(Sum of Absolute Differences,差绝对值和)和SSD(Sum
of Squared Differences,差平方和)。这三种算法中,NCC算法最常用,它通过计算视差范围内基准图像与实时图像对应像
素点间的相关性来获取视差图,相关系数一般在[-1,1]之间取值,该算法将搜索相关系数最大值对应的视差作为最佳视差值,
具有精度高、鲁棒性强[10]的优点,缺点是计算量大、速度慢,在线应用受到限制。
本文针对NCC算法的缺点,通过在立体匹配中引入积分图像和平方积分图像,并且剔除基准图像中无法匹配区域,对原
NCC算法进行了改进,在保证匹配质量的情况下,使匹配速度得到显著提高,实验结果验证了该改进算法的有效性和快速性
[11]。
1 积分图像及平方积分图像
1.1 积分图像
积分图像(Integral Image)理论是Viola P.等于2001年提出的[12]。积分图像是一种用于快速计算图像某窗口区域灰度和
的一种图像中间表示,有较广泛的应用[13-15]。积分图像中任意一点(i,j)的值用ii(i,j)表示,代表了源图像中行数小于
i、列数小于j的所有灰度值的和,即:
其中i(x,y)表示源图像中(x,y)点的灰度值。令s(i,j)为源图像中第i行、第j列的灰度值积分,则有:
s(i,j)=s(i,j-1)+i(i,j)(2)
ii(i,j)=ii(i-1,j)+s(i,j)(3)
利用式(2)和式(3)编程实现时,应该扩展一行一列以确保i-1,j-1为正数。
如果要计算原始图像中顶点依次为A、B、C、D的矩形窗口,只需将原图像遍历一遍得到积分图像后,利用四个顶点对应
的值进行简单加减运算,即可求得该区域灰度。不管矩形窗口区域有多大,利用积分图像只需进行3次加减运算,即:
S=p(D)+p(A)-p(B)-p(C)(4)
其中,S表示矩形窗口区域的灰度值;p(A)、p(B)、p(C)和p(D)分别表示矩形顶点的灰度值。
1.2 平方积分图像
为了能够快速获得区域内像素点灰度平方和,在积分图像基础上引入了平方积分图像[15],在实际应用中以矩阵形式存
储,平方积分图像中任意一点值表示为Pii(i,j),即:
其中i2(x,y)表示源图像中(x,y)点的灰度值的平方,参考式(2)、式(3),源图像中第i行、第j列的灰度平方积


















weixin_38722944
- 粉丝: 3
- 资源: 889
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助

会员权益专享
安全验证
文档复制为VIP权益,开通VIP直接复制

评论0