Dense Stereo Matching Based on Image Segmentation

针对立体匹配中匹配代价难以选择和物体边缘误匹配的问题,提出一种基于图像分割的稠密立体匹配算法。根据目前立体匹配代价计算方式的特点,提出将灰度加梯度算法与零均归一化互相关算法ZNCC(Zero-mean Normalized Cross-Correlation algorithm)相融合的方法,兼顾这两种算法各自的优势。利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,根据图像像素是否在超像素边缘,赋予两种算法不同的权值,提高匹配代价的准确率。在匹配代价聚合阶段,提出基于视差图和超像素更新匹配代价的方法。在视差后处理阶段,采取左右一致性检验LRC (Left Right Check)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。在Middlebury数据集的4组图像上进行测试,测试结果表明平均误匹配率为4.99%