基于图像分割的立体匹配算法

张一飞，李新福，田学东

（河北大学网络空间安全与计算机学院，河北保定071000）

（∗通信作者电子邮箱MC_LXF@126.COM）

0 引言

立体匹配可以概括为同一景物在不同视点下各个像素点间的一一对应匹配，Marr的视觉计算理论对立体匹配的发展奠定了基础［1］。随着该技术的发展，立体匹配在无人驾驶［2-3］、机器人视觉［4-5］、工业测量［6］和三维重建［7］等方面都有着广泛的应用，但其中针对弱纹理及纯色区域的匹配仍存在着一些问题。立体匹配算法分为三类：全局、局部、半全局匹配算法［8］。局部立体匹配算法是在参考图像中构建一个大小、形状和权重相适应的窗口，然后在匹配图像中构建参数相同的匹配窗口，计算视差值。该算法优点是可以获取稠密视差图，算法时效性好；缺点是在纯色区域的匹配准确度较低［9-11］。造成此问题的原因如图1所示，匹配窗口在可选区域（灰色区域）内滑动计算后，所得结果均相同，无法确定一个准确的点作为匹配点来计算视差［12］。

图1 纯色区域匹配示意图Fig.1 Schematic diagramof purecolor region matching

1 相关工作

针对弱纹理及纯色区域的匹配不准确的问题，许多学者都尝试过将颜色信息与图像分割算法融合到立体匹配过程中来 解 决 这 一 问 题 。 高 雅 昆 等［13］改 进 LocalExp（Local Expansion Move）算法，并提出一种融合多维信息的自适应像素类别优化的立体匹配算法，考虑到了构建与颜色相关的权重系数。马伟等［14］提出一种结合卷积神经网络（Convolutional Neural Network，CNN）与分割线索结合的立体匹配算法，该算法首先对图像进行区域切割，然后构造马尔可夫随机场（Markov Random Field，MRF）能量函数进行匹配，该算法采用了CNN和图像分割技术。……