Статья

Название статьи МЕТОД ОЦЕНКИ ДИСПАРИТЕТА СТЕРЕОПАР
Автор В.Ф. Гузик, А.В. Чумаченко
Рубрика РАЗДЕЛ IV. МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Месяц, год 05, 2014
Индекс УДК 004.923
DOI
Аннотация Рассматривается метод оценки границ диспаритета стереопар. Оценка производится как для всего изображения в целом, так и для отдельных его фрагментов. Это позволяет оптимизировать поиск пиксельных соответствий путем сужения диапазона возможных значений диспаритета в пределах фрагмента. Также, предварительное разделение изображения на фрагменты, с последующим вычислением статистических характеристик на них, позволяет оценивать степень устойчивости корреляционных алгоритмов в пределах фрагментов. Таким образом, метод оценки может выделять и обрабатывать особым образом участки изображения с ровным фоном, на которых корреляционные алгоритмы недостаточно эффективны. Результаты экспериментов свидетельствуют об эффективности предложенного метода, в частности среднее значение границы диспаритета в пределах фрагментов в четыре раза меньше границ диспаритета в пределах всей стереопары. При этом точность оценки верхней и нижней границы диспаритета для некоторых стереопар достигает 97 %.

Скачать в PDF

Ключевые слова Стереопара; пиксельное соответствие; корреляция; диспаритет; статистическая характеристика.
Библиографический список 1. Xing Mei, Xun Sun, Mingcai Zhou, Shaohui Jiao, Haitao Wang, Xiaopeng Zhang. On building an accurate stereo matching system on graphics hardware // Computer Vision Workshops, 2011 IEEE International Conference on Stereo Vision, date of Conference: 6-13 Nov. 2011. – P. 467-474.
2. Klaus A., Sormann M. and Karner K. Segment-based stereo matching using belief propagation and a self-adapting dissimilarity measure // In International Conference on Pattern Recognition (ICPR 2006). – P. 15-18.
3. Z. Wang and Z. Zheng. A region based stereo matching algorithm using cooperative optimization // Computer Vision and Pattern Recognition. – 2008. – P. 1-8.
4. Форсайт Девид А., Понс Жан. Компьютерное зрение. Современный подход: Пер. с англ. – М., 2004. – 928 с.
5. Гузик В.Ф., Чумаченко А.В. Статистический метод оптимизации локальных алгоритмов установления пиксельных соответствий на стереопарах // Известия высших учебных заведений Северо-Кавказский регион. Технические науки. – 2011. – № 4. – С. 20-25.
6. Scharstein D.and Pal C. Learning conditional random fields for stereo // In IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2007), Minneapolis, MN, June 2007. URL: http://vision.middlebury.edu/stereo/data (дата обращения 2013.12.30).
7. Hirschmьller H. and Scharstein D. Evaluation of cost functions for stereo matching // In IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2007), Minneapolis, MN, June 2007. URL: http://vision.middlebury.edu/stereo/data (дата обращения 2013.12.30).

Comments are closed.