基于约束的立体视差估计算法改进

"一种新的立体视差估计算法 (2007年)，郭大波等人提出，旨在解决立体图像匹配中的误匹配率高、PSNR（峰值信噪比）低以及计算复杂度高的问题。该算法基于连续性和惟一性约束，构建了高斯模型来计算先验概率，并采用最大后验概率准则确定最佳匹配块。通过引入视角约束和顺序性约束，优化了高斯模型，对不符合这些约束的候选块进行惩罚，降低了扫描范围，从而降低了时间和计算复杂度，减少了误匹配的可能性。实验结果显示，新算法在PSNR上相比传统相关法提高了0.2至4.0dB，尤其在噪声大、视差大的图像中表现更优，且生成的视差图更加平滑。" 本文是自然科学领域的论文，由郭大波等研究人员完成，受到了国家自然科学基金的资助。研究重点在于改进立体视差估计算法，以提高立体图像匹配的准确性和效率。在传统的算法基础上，他们提出了一个创新的方法，利用连续性和惟一性作为基本约束条件，建立了一个高斯概率模型。这个模型能够计算出每个像素块匹配的先验概率，然后通过最大后验概率准则来决定最可能的匹配。 算法的核心创新在于结合了视角约束和顺序性约束。这两个约束来源于平行结构摄像机的特性，限制了成像点的位置和顺序，使得算法能够更加精确地估计视差。当候选匹配块违反这些约束时，算法会对其进行惩罚，缩小搜索空间，从而降低计算复杂度并减少误匹配。 实验部分显示，这种新的立体视差估计算法在PSNR上有显著提升，特别是在处理噪声环境下的图像和具有大视差的图像时，性能优于传统的相关法。同时，生成的视差图具有更好的连续性和光滑性，这对于立体图像的编码和重建至关重要。 关键词涵盖了视差估计、立体匹配和立体图像编码，表明这篇论文的研究内容与这些领域密切相关，对于理解、改进和应用立体视觉技术具有重要价值。中图分类号和文献标识码则指出了论文的科技类别和信息标识，方便后续的检索和引用。文章编号则提供了在特定期刊发表的具体信息。