밀도가 높은 디스 패리티 맵을 스테레오 이미지로 계산하려면 어떻게해야합니까?

Question

밀도가 높은 디스 패리티 맵을 스테레오 이미지로 계산하려면 어떻게해야합니까?

지금까지 내 아이디어는 첫 번째 이미지의 모든 픽셀을 검토하고 두 번째 이미지를 검색하여 일치하는 것입니다. 두 픽셀의 유사성을 비교하기 위해 나는 주변의 작은 창에서 픽셀의 제곱 차이를 계산했습니다. 알고리즘은 합성 이미지에서 비교적 잘 작동하지만 반사를 포함하거나 빛의 강도에 큰 차이가있는 그림에서는 실패합니다. 더 나은 결과를 얻기 위해 어떤 접근 방식을 사용해야합니까?

이미지 처리 석사는 지식을 공유하십시오.

Answer 1

밀도가 높은 불균형지도를 계산하는 방법에이 글을 쓰는 것으로 나타났습니다. 링크를 따라 가면 해당 방법을 자세히 설명하는 PDF를 얻을 수 있습니다. 불행히도 내 이미지 처리 경험은 입체경 검사를 포함하지 않으므로 제시된 알고리즘의 품질에 대해서는 언급 할 수 없습니다.

http://serdis.dis.ulpgc.es/~lalvarez/research/demos/StereoFlow/

나는이 주제에 대한 더 이상의 자료에 대한 내 텍스트를 확인할 수 있습니다.

편집 : 린다와 샤피로의 "컴퓨터 비전"과 조지 C. 스톡먼은 카메라와 이미지 방향이 알려진 시점에서 입체경 검사의 수학에 대한 10 페이지 분량의 설명과 포인트 상호 관련 섹션에서 스테레오 이미지 사이의 공통 기능을 찾지 만 불일치 매핑은 없습니다.

Answer 2

불균형을 계산하기위한 인기 있고 효과적인 방법은 그래프 컷을 포함합니다. 기본적으로 그래프는 두 이미지에서 생성 된 다음 이미지의 심도 불연속으로 인한 에너지를 최소화하는 방식으로 절단됩니다. 내가 개요로 "그래프 인하를 통해 빠른 대략적인 에너지 최소화"를 제안

http://www.cs.cornell.edu/~rdz/graphcuts.html

: 코넬 라민 Zabih는 주제에 대한 많은 논문이있다.

Answer 3

오토 - 차우 스테레오 매칭 알고리즘은 매우 효율적이고, 유사한 이미지 위에 성장 영역과 함께 서브 픽셀 정밀도 적응 최소 제곱 패치 정합 결합 :

오토, GP, 차우 TKW 1989 ' 지형 이미지 매칭을위한 지역 성장 알고리즘. Image Vision Computing, 7 (2), pp. 83-94.

이것은 영역 기반 접근 방식이므로 이미지의 적절한 양의 텍스처에 어느 정도 의존합니다. 매우 드문 드문 한 이미지 데이터가있는 경우 기능 기반 접근 방식이 더 잘 작동 할 수 있습니다. 정확성을 위해 적응 형 LS 매칭이 추가 될 수 있습니다. 상관 관계 접근법은 구현하기 쉽고 빠를 수 있지만 이미지 간의 어파 인 워핑을 고려하지 않기 때문에 종종 워핑 횟수를 최소화하기 위해 Newton-Raphson 방식을 사용하는 ALS 기술만큼 강력하거나 정확하지 않습니다. radiometric 매개 변수는 이미지에서 이미지까지 실제로 잘 맞습니다.