全连接神经网络与边缘感知视差法提升立体匹配精度

本文档探讨了一种创新的立体匹配算法，它结合了全连接神经网络和边缘感知视差传播（Edge-aware Disparity Propagation, EDP）。全连接神经网络在立体视觉领域被用于初步计算匹配代价，通过其强大的学习能力，网络能够捕捉图像之间的复杂关系。在这个阶段，使用胜者取全部（Winner Takes All, WTA）算法来生成初步的视差图，以便更好地理解两幅图像之间的相对位置。 算法的核心部分是边缘感知视差传播，它特别关注图像中的边缘信息，因为边缘在确定深度信息时通常更为可靠。通过检测和利用这些边缘，算法能够减少在纹理不明显或重复区域的匹配误差，提高匹配的精度。当遇到不一致的视差点时，算法会应用EDP和测地距滤波算法进一步处理，更新匹配代价和视差值，确保结果的稳定性和准确性。 在完成一致性检测和优化后，算法会进行亚像素增强优化，这是一种精细级别的处理，通过微调视差值来提高图像细节的精确性，从而进一步降低误匹配率。这种技术尤其在非闭塞区域（即没有明显参照物的区域）表现突出，能显著提升立体匹配的质量。 实验结果显示，这个基于全连接神经网络和边缘感知视差传播的立体匹配算法在误匹配率控制、视差图精度以及处理复杂场景的能力上表现出色，对于提高立体视觉系统整体性能具有重要意义。因此，该算法在计算机视觉、机器人导航、虚拟现实等领域具有广泛的应用潜力。关键词包括立体匹配、全连接神经网络、视差传播、测地距滤波、边缘感知和亚像素增强，这些都是深入理解该研究的关键概念。