非局部匹配成本聚合方法提升立体匹配精度

《非局部成本聚合方法在立体匹配中的应用》(A Non-Local Cost Aggregation Method for Stereo Matching)是由清雄杨(Qingxiong Yang)博士在 City University of Hong Kong 所撰写的一篇论文。这篇研究论文关注的是立体匹配中的一个重要技术环节——成本聚合。传统的成本聚合方法通常依赖于用户定义的局部支持区域，通过对邻域内像素的成本进行求和或平均来确定最佳匹配。然而，这种方法存在局限性：它仅能做到局部最优，且随着支持区域大小增加，计算复杂度也随之提高。 论文作者重新审视了这一问题，并提出了一个非局部解决方案。核心思想是将匹配成本值根据立体图像对中像素间的相似性进行自适应聚合。这种聚合不是基于固定的邻域，而是建立在由图像对构建的树结构上。树的节点代表所有的像素，边则连接最近邻的像素。两个像素之间的相似度由它们在树上的最短距离决定。这种设计使得每个节点都能接收到整个树中所有其他节点的支持，实现了全局信息的融合。 非局部方法的优势在于能够跨越局部限制，更好地保留深度边缘信息，从而可能提高匹配精度。由于每一像素都考虑了与其相连的所有像素的信息，这种方法能够在保持效率的同时，提高匹配的全局优化程度。尽管非局部成本聚合增加了计算复杂性，但它有望在处理复杂场景和保持细节完整性的挑战时提供更佳的结果。 该论文对于改进传统的立体匹配算法有着重要的理论贡献，通过引入非局部概念，为解决立体匹配中的难题提供了新的思路。通过这种树结构和相似性度量，研究人员期待能在实际应用中实现更准确、更具鲁棒性的立体匹配性能。