古代印度的视差算法

古代印度的天文学家很早就认识到月亮视差对日食的影响,并对这一课题进行了研究和探讨.在前人的研究基础上,通过对原始文献的系统解读,详细论述了古代印度 5~12 世纪的视差算法算法沿革,阐明了古代印度视差算法的造术方法,证明了古代印度视差算法模型的合理性.     

基于冗余离散小波变换的立体图像视差估计

为提高立体图像视差估计的准确度及效率,从图像特征点入手,结合DT（delaunay triangle）网格技术,提出基于冗余离散小波变换的立体图像视差估计法．对参考图像进行冗余离散小波变换后,根据其平移不变性和各级子带大小相同的特点,通过各级高频子带相乘、叠加,再取相应闽值,得到参考图像特征点,并形成DT网格;以特征点为中心在目标图像中进行视差估计,得到各特征点的视差矢量,再结合仿射变换得到三角形内部各点的视差矢量,从而形成浓密的视差图．实验结果表明,根据视差图重建的目标图像PSNR值要高于传统的SAD块匹配法和Canny特征点法5～10db;对于CIF格式的立体图像,算法在Matlab7．0下时间消耗为15s．该算法在视差估计准确度和运算速度上具有较好性能,可应用于立体图像处理领域     

基于序列视差图像的全息立体显示方法

通过获取的序列视差图像，用计算全息与图像处理技术产生了一个全息立体图的显示．在计算全息中采用了基于衍射的光栅条纹生成方法，将视场分为连续的8个区域，每个区域由一个空间频率不同的基本条纹衍射生成，利用迭代算法计算了基本条纹函数．然后对序列视差图像经过二维离散处理，通过光场投影与几何光学成像法，转换到一张全息图上，由包含8个基本条纹的全息素衍射生成序列视差全息图像．从而使观察者获得三维感的立体图像，并给出了实验结果．该算法为基于照片的全息立体图的生成提供了新的方法．     

中国古代的日食起讫算法

中国古代历法中的日食起讫算法是为了计算日食的初亏和复满时刻而设计的,该算法为《皇极历》所首创,此后历法均有涉及.通过构造日食起讫算法的理论模型,证实日食起讫算法应与月亮视差有关,中国古代的历法中,只有《钦天历》设计的日食起讫算法成功地考虑了月亮视差,由此指出中国古代日食起讫算法的一个缺陷.     

基于小波变换的图像匹配算法

为了寻找立体像对中的对应点并求出视差,采用Ｍａｌｌａｔ的多尺度小波分析算法,在对图像进行多级分解的基础上进行逐级匹配,并且扩展了传统的视差定义,将两个限制条件：视差连续性和方向一致性融合进视差的定义当中,因而在视差求取的同时也完成了粗差剔除的过程,提高了算法的效率．实验证明,此方法在计算时间和精度上都是切实可行的．     

基于频域的视差估算

采用一种广义的小波变换——多尺度傅立叶变换（ＭＦＴ）求取视差,实现了对基于相位的匹配算法的改进,避免了带通滤波器中心频率和图像特征频率不一致的问题,并且能够直接计算二维视差,使像对中的图像无需经过相对和绝对定向就可进行匹配．在采用了ＦＦＴ算法之后,本算法可达到较高的效率．实验结果证明了本算法是切实可行的．     

用分层复数重叠变换进行视差估值

立体视频编码中的关键问题之一就是视差估值．文中利用分层复数吏登变换域相位相关方法进行匹配提出了一种新的视差估值方法．理论分析和仿真试验证明，本文中的方法克服了传统方法的缺点，提高了视差场的平滑度，减少了视差估值的计算负荷．     

基于区域的立体匹配算法研究

提出了基于区域的立体匹配算法,实现从彩色立体图像对中提取深度信息.其中利用平滑函数求取全局错误能量最小化获得的视差图更为可靠,但是计算时间也较长;而采用线性生长算法获得的视差图则计算时间短,但可靠性差.结果是利用滤波去掉了不可靠的视差估计,可以提高视差图的可靠度,还对算法生成的结果进行了比较.     

立体视差调整的快速估计方法

立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围,建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间,给出计算立体显示屏幕Panum融合区的方法,然后推导出立体显示屏幕Panum融合区对视差调整量的限定,最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整量的适用范围．经实验验证．本方法可以快速、准确地得到视差调整量的适用范围,最大限度地避免立体图像中出现双眼复视的情况．     

基于视差分析的3D电视质量评价系统的设计与实现

在众多影响3D舒适度的因素中,制作人员更多的会选择视差信息来检测、调整、优化3D节目的质量,因此3D电视素材的左右图像的视差分析成了关键问题。本文设计了一种基于双目立体视觉的3D电视视差检测系统,该系统应用了双边滤波及SGBM立体匹配算法,计算左右图像的视差,并根据视差与立体视觉舒适度的关系,将可能会引起观众不适的图像部分进行分级标注,便于后续的3D调整工作。     

基于色度分割与图割算法的视差估计算法

为提高视差估计的准确度,提出了一种基于色度分割和图割算法的视差估计算法.该算法采用均值漂移算法对当前图像进行色度分割,并对每个色度分割区域的像素集合分别用图割算法在参考图像中进行像素匹配,进而估计出当前图像的视差.与传统的全局优化算法不同,文中提出的视差估计算法将每个色度分割区域作为整体分别进行全局优化,因而可以提高物体边缘的视差估计准确度.实验结果表明,该算法的视差估计结果更加准确.     

基于价值函数的立体视差匹配误差分析与校正的研究

本文提出立体视觉视差匹配误差检测与校正的新算法。算法不仅能识别视差数据中所有匹配误差并根据形状表示的连续性对其检测与校正,而且能有效地自动定量计算此类匹配算法的各种性能。文中所给出的实验结果证明算法对立体视觉匹配的研究是十分有用的。     

视差图误差检测与校正的通用快速算法

为了获取精确的立体匹配结果 ,提出了一种通用的视差图误差检测与校正算法。算法首先定义一个新的全局顺序匹配约束 ;然后将其用于视差图后处理过程 (而不是视差计算过程 )中 ,以检测出视差图中的匹配交叉区域 ;最后提出一种零交叉校正方法 ,校正其中的误匹配点。通过对一组真实立体图像序列及其视差图的实验 ,进一步证明了该算法的有效性。该算法可以作为视差图后处理过程附加在各种立体匹配算法之后     

基于动态规划与图像分割的立体匹配算法

针对传统图割立体匹配算法耗时太长以及动态规划立体匹配算法匹配精度不高,且视差图带有条纹瑕疵的问题,提出了一种基于动态规划和图像分割的立体匹配算法.采用自适应多阈值图像分割算法对参考图像进行高效可靠的区域分割,提取边界,使用多种子点动态规划算法精细求取边界上点的视差,并以区域为单元用图割立体匹配算法求取区域内各点的视差,拟合得到图像对的视差图.通过对比,实验结果表明：此算法较传统图割法匹配速度有明显提高,且可以得到匹配精度较高的稠密视差.     

中国古代日食食限与食分算法

中国古代天文学家设计的食分算法与食限的大小及定义方式密切相关,而后者又受到月亮视差的影响,因此,传统历法中日食食分的计算是一个比较复杂的问题。中国古代天文学家将日食食限定义为日食视食甚时刻视月亮到视黄白交点的距离,使得他们所设计的日食食分算法具有明晰的天文意义。在论述中国历法家对日食食限的定义方法以及基于这种定义而给出的简明的日食食分算法的基础上,将中国古代日食食限与食分算法的历史沿革划分为三大阶段。     

基于视差和变化检测的立体视频对象分割

立体视频对象分割是新一代视频编码、视频检索、互联网多媒体交互等新兴领域的关键技术.该文提出了一种融合多种信息的立体视频对象分割算法,首先采用基于边缘特征约束的视差估计方法,获得了可靠的视差场,再利用视差信息对视频对象进行了初始分割,在此基础上结合帧间变化检测的信息对视差分割结果进行修正.实验结果表明,本算法对有重叠的多对象具有良好的分割效果,得到了较精确的视频对象.     

基于区域增长的自适应窗口立体匹配算法

针对基于区域的立体匹配算法支持窗口难以选择的问题, 提出一种新的自适应窗口区域立体匹配算法. 该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口, 并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等方法使算法得到改进. 研究结果表明: 该算法对于视差不连续和遮挡区域都有着良好的适应性;采用该算法获得的视差图像的准确度高达95%, 且计算时间缩短到5 s以内.     

基于小波及动态规划的相位匹配

提出了一种新的基于小波变换及动态规划的相位匹配算法。该算法采用金字塔式的多尺度匹配结构，顶层和中间层利用小波相位信息建立扫描线对的视差空间图，并引入动脉规划的方法，在获得全局最优化的匹配路径的同时有效地解决了遮挡问题。为提高匹配结果的置信度，该算法结合特征匹配确定了一系列高置信度的匹配点对作为匹配路径的控制点。金字塔底层则直接利用小波相位差和瞬时频率更新由上层由插得到的视差图，保持了相位匹配的亚像素精度。立体像对测试结果表明：该算法改进了现有的相位匹配算法；在匹配时间和区配精度上优于包含动态规划的区域匹配算法。     

从双视图到多视图的协同优化立体视觉匹配算法

采用基于视图协同优化算法解决视觉匹配问题,通过对双视图立体匹配的研究到多视图匹配的推广,利用视差平面拟合进行多个视差集的合并.利用奇异值分解法解决线性方程,建立排除异常点的判别规则,解决遮挡及稀疏纹理的问题.实验结果表明:该协同优化算法是有效的,提高了匹配的精度.     

基于立体摄像几何特性的视差匹配快速算法

提出了一种基于立体摄像系统几何特性的视差匹配快速算法,根据视差的方向性和均匀性,采用方向－有限搜索以及抽样模板,迅速准确地搜索视差,与完全搜索算法相比,在保持重建图像质量的前提下,可大幅度降低计算复杂度。