【正文】 是他們?cè)谖耶厴I(yè)的最后關(guān)頭給了我們巨大的幫助與鼓勵(lì)，給了我很多解決問(wèn)題的思路，在此表示衷心的感激。 四年的大學(xué)生活就快走入尾聲，我們的校園生活就要?jiǎng)澤暇?號(hào)，心中是無(wú)盡的難舍與眷戀。沒(méi)有他們的幫助，我將無(wú)法順利完成這次設(shè)計(jì)。 作者簽名 : 二〇 一 〇年 九 月 二十 日 畢業(yè)設(shè)計(jì)（論文）使用授權(quán)聲明 本人完全了解 濱州學(xué)院 關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定。盡我所知，除文中已經(jīng)特別注明引用的內(nèi)容和致謝的地方外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。( , , ) , , 1i i i i i iy y yE d x y C x y d x y E x y d d x y d x y??? ? ? ? ?? ? ? 說(shuō)明： ),(39。 水平方向的最優(yōu)路徑 由于 potts 模型 ]3[ 對(duì)處理視差跳變有良好的效果，我們?cè)谝孕袨閱挝坏拿啃衅ヅ浯鷥r(jià)聚合值的基礎(chǔ)上加上 potts 模型函數(shù) ? ，固定 y 值 對(duì)視差空間圖中的xd? 平面進(jìn)查找行路徑 。每個(gè)狀態(tài)間又有關(guān)聯(lián)（下一個(gè)狀態(tài)是由上一個(gè)狀態(tài)做了某個(gè)決策后產(chǎn)生的）。所以匹配窗口的選擇非常重要，窗口尺 第 14 頁(yè) 共 29 頁(yè) 寸的大小會(huì)直接影響我們整個(gè)視差圖的質(zhì)量。 固定窗口塊匹配過(guò)程 首先塊匹配的基本步驟和方法如下，第一步先進(jìn)行匹配代價(jià)的計(jì)算，然后第二步是計(jì)算匹配代價(jià)聚合（固定窗口內(nèi)窗口代價(jià)之和），最后完成對(duì)視差的一些優(yōu)化，使得圖像顯示效果更好。 那么我們規(guī)定如下 ( , , )xyd 為圖像的匹配對(duì)，我們可以這樣定義匹配代價(jià)( , , )Cx yd ，它表示的是左圖像右圖像映射到同一副圖像上坐標(biāo) x、 y 對(duì)應(yīng)的視差值 d 的一個(gè)三維圖標(biāo)信息。 特征匹配 由于像素可靠性相對(duì)較低，特征匹配利用圖像的如邊緣特征進(jìn)行算法 第 10 頁(yè) 共 29 頁(yè) 匹配。 立體匹配常用算法綜述 由于采用平行攝像機(jī)（同一個(gè)攝像機(jī)），外極線是水平的，與圖像掃描線重合，在進(jìn)行匹配點(diǎn)搜索時(shí)可以大大簡(jiǎn)化搜索步驟。 全局算法在匹配代價(jià)函數(shù)的基礎(chǔ)上，結(jié)合根據(jù)特定的約束條件建立新的代價(jià)函數(shù)，從而構(gòu)成全局能量函數(shù)，然后通過(guò)選用的特有的不同方法尋查找使得全局能量最小匹配聚合值。全文安排如下：第一章，主要介紹現(xiàn)代計(jì)算機(jī)視覺(jué)發(fā)展的概況以及雙目立體 第 8 頁(yè) 共 29 頁(yè) 視覺(jué)匹配的一些概念。 整個(gè)雙目立體視覺(jué)流程如圖 所示： 第 7 頁(yè) 共 29 頁(yè) 左 圖 像 右 圖 像預(yù) 處 理相 機(jī) 標(biāo) 定立 體 匹 配三 維 重 建 圖 雙目立體視覺(jué)的處理流程 由于本文主要研究立體匹配的相關(guān)算法，因此不過(guò)多對(duì)：圖像的預(yù)處理、相機(jī)標(biāo)定以及三維重建等細(xì)節(jié)進(jìn)行相關(guān)的研究討論。 第 6 頁(yè) 共 29 頁(yè) 除了上 面提到的領(lǐng)域，很多研究課題同樣可被當(dāng)作純粹的數(shù)學(xué)問(wèn)題。 對(duì)于立體匹配，現(xiàn)如今已經(jīng)有許多不同的研究成果，包括分為不同流派的研究思路，主要有針對(duì)區(qū)域的匹配算法和全局的匹配算法的研究并且都取得了很大的進(jìn)展，其中針對(duì)全局路徑的立體匹配要優(yōu)于塊匹配，最著名的是基于動(dòng)態(tài)規(guī)劃的匹配算法，這種傳統(tǒng)的匹配算法，僅僅引入單調(diào)順序約束，缺乏全局對(duì)于掃 描線約束的限制，使得匹配后的視差圖像存在大量帶狀誤匹配的情況，針對(duì)此現(xiàn)象，本文提出了基于動(dòng)態(tài)規(guī)劃理論的立體匹配思想，通過(guò)加入行掃描線之間的約束條件和列掃描，能夠較好的完成圖像的匹配與視差的還原。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。 涉密論文按學(xué)校規(guī)定處理。 這 一領(lǐng)域的先驅(qū)可追溯到更早的時(shí)候，但是直到 20 世紀(jì) 70 年代后期，當(dāng)計(jì)算機(jī)的性能提高到足以處理諸如 圖像 這樣的大規(guī)模數(shù)據(jù)時(shí)，計(jì)算機(jī)視覺(jué)才得到了正式的關(guān)注和發(fā)展。 計(jì)算機(jī)雙目立體視覺(jué) 近年來(lái)計(jì)算機(jī)視覺(jué)研究的重點(diǎn)與熱點(diǎn)之一是雙目立體視覺(jué)。其二是找打這些特征的本質(zhì)屬性加以研究與分析，最后就是建立穩(wěn)定且高效率的匹配方法。上述步驟的選取與匹配選用的方法有關(guān)，對(duì)于局部的固定窗口匹配主要是前三步驟即首先計(jì)算初始匹配代價(jià)，然后根據(jù)初始匹配代價(jià)選取 適當(dāng)?shù)膲K進(jìn)行最小代價(jià)聚合值的篩選，選取最小代價(jià)聚合值下的視差值作為當(dāng)前像素的視差值。外界事物通過(guò)光線反射到達(dá)視網(wǎng)膜，視網(wǎng)膜通過(guò)視覺(jué)神經(jīng)傳送到大腦皮層，經(jīng) 過(guò)相應(yīng)處理，形成立體的圖像。 算法分類(lèi) 分類(lèi)描述 具體算法 具體概述 局部匹配 利用如灰度值、平滑、相位約束等作為局部度量的準(zhǔn)則。 Belief Propagation 基于馬爾可夫隨機(jī)場(chǎng)構(gòu)建全局函數(shù)，并采用置信傳播算法進(jìn)行函數(shù)最優(yōu)化，計(jì)算視差值。鑒于算法效率，考慮到時(shí)間復(fù)雜度，我們采用 AD 用于計(jì)算匹配代價(jià)初始值。 C、視差圖像 將整個(gè)圖像完整的 x 、 y 的坐標(biāo)信息以及對(duì)應(yīng)點(diǎn)最小的匹配代價(jià)聚和值時(shí)對(duì)應(yīng)的視差 d 用 Matlab 畫(huà)圖顯示。與固定窗口塊匹配效果相比，滑動(dòng)窗口算法所得視差圖的邊緣信息更為精確，尤其是窗口較大時(shí)，有效降低了匹配算法對(duì)窗口尺寸的敏感度。 C、實(shí)驗(yàn)結(jié)果圖像 左圖像 右圖像 第 17 頁(yè) 共 29 頁(yè) 動(dòng)態(tài)規(guī)劃算立體匹配的視差圖 D、實(shí)驗(yàn)結(jié)果分析 從動(dòng)態(tài)規(guī)劃立體匹配的視差圖來(lái)看，基于傳統(tǒng)動(dòng)態(tài)規(guī)劃算法實(shí)現(xiàn)的立體匹配過(guò)程，基本上可以較好的完成整個(gè)視差圖像的提取，但是。結(jié)果導(dǎo)致帶了明顯的帶狀條紋。 但是由于匹配算法的復(fù)雜性，針對(duì)遮擋代價(jià)等沒(méi)有做較好的處理，同時(shí)算法效率也不是很高，沒(méi)有做好算法復(fù)雜度的優(yōu)化，并且雖然本文提出的方法較傳 統(tǒng)方法有明顯的優(yōu)點(diǎn)，但是還是存在少量的帶狀條紋產(chǎn)生。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計(jì)（論文）不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。本次畢業(yè)設(shè)計(jì)是對(duì)我大學(xué)四年學(xué)習(xí)下來(lái)最好的檢驗(yàn)。 其次，我要感謝大學(xué)四年中所有的任課老師和輔導(dǎo)員在學(xué)習(xí)期間對(duì)我的嚴(yán)格要求，感謝他們對(duì)我學(xué)習(xí)上和生活上的幫助，使我了解了許多專(zhuān)業(yè)知識(shí)和為人的道理，能夠在今后的生活道路上有繼續(xù)奮斗的力量。四年的風(fēng)風(fēng)雨雨，我們一同走過(guò)，充滿著關(guān)愛(ài)，給我留下了值得珍藏的最美好的記憶。在論文的撰寫(xiě)過(guò)程中老師們給予我很大的幫助，幫助解決了不少的難點(diǎn)，使得論文能夠及時(shí)完成，這里一并表示真誠(chéng)的感謝。感謝老師四年來(lái)對(duì)我孜孜不倦的教誨，對(duì)我成長(zhǎng)的關(guān)心和愛(ài)護(hù)。從他身上，我學(xué)到了許多能受益終生的東西。 首先非常感謝學(xué)校開(kāi)設(shè)這個(gè)課題，為本人日后從事計(jì)算機(jī)方面的工作提供了經(jīng)驗(yàn)，奠定了基礎(chǔ)。 學(xué)位論文作者（本人簽名）： 年 月 日 學(xué)位論文出版授權(quán)書(shū) 本 人及導(dǎo)師完全同意《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》、《中國(guó)優(yōu)秀 碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》 (以下簡(jiǎn)稱“章程” )，愿意將本人的學(xué)位論文提交“中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社”在《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表和以電子、網(wǎng)絡(luò)形式公開(kāi)出版，并同意編入 CNKI《中國(guó)知識(shí)資源總庫(kù)》，在《中國(guó)博碩士學(xué)位論文評(píng)價(jià) 數(shù)據(jù)庫(kù)》中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受相關(guān)權(quán)益。 第 4 章 總結(jié)與展望 本文主要針對(duì)現(xiàn)有的立體匹配算法， 進(jìn)行分析與總結(jié)，包括優(yōu)缺點(diǎn)的分析，包括區(qū)域匹配和全局的匹配，并重點(diǎn)分析了全局算法中的動(dòng)態(tài)規(guī)劃算法，針對(duì)傳統(tǒng)動(dòng)態(tài)規(guī)劃立體匹配存在由于僅采用行單獨(dú)的行掃描線來(lái)尋找最小的全局能量函數(shù)，缺乏全局整體性約束，使得實(shí)驗(yàn)后的圖像存在橫向條紋，存在一定的誤匹配的現(xiàn)象，并且當(dāng)匹配圖像中出現(xiàn)垂直方向圖形比較細(xì)小時(shí)候，這種算法的誤匹配概率明顯上升，因此我們提出基于動(dòng)態(tài)規(guī)劃的分層正交立體匹配的算法思想。 給出公式如下： 1( 0 , , ) ( 0 , , )( , , ) ( , , ) m i n ( 1 , , ) , ( 1 , , 1 ) 0 . 5 , ( )RhR R R Rh h h xE y d C y dE x y d C x y d E x y d E x y d M y?? ????? ? ? ? ? ? ??? 1( 1 , , ) ( 1 , , )( , , ) ( , , ) m i n ( 1 , , ) , ( 1 , , 1 ) 0 . 5 , ( )LhL L L Lh h h xE W y d C W y dE x y d C x y d E x y d E x y d M y?? ?? ? ???? ? ? ? ? ? ??? 說(shuō)明：矩陣 ERh 為從左到右累積匹配代價(jià)，同理 ELh 表示從右到左的累積匹配代價(jià)矩陣，而 )(Mr 1x y 表示當(dāng)前像素 1x? 處最小的累積匹配代價(jià)。 具體流程是： 首先通過(guò)抽象描述最優(yōu)解的結(jié)構(gòu)，然后利用遞歸的方法去