1、本文針對計算機立體視覺中的立體匹配中存在的問題,對雙目立體校正、基于馬爾可夫隨機場的置信傳播算法的優(yōu)化及其高性能實現(xiàn)和立體匹配用于靜態(tài)場景目標提取進行了研究。
　　 本文主要工作和創(chuàng)新點如下:
　　 1)針對傳統(tǒng)立體校正需要對攝像機進行標定以獲取攝像機參數(shù)的問題,提出了一種無需攝像機參數(shù)的簡便的立體校正方法。該方法先對待校正圖像對進行特征點匹配,得到兩幅圖像間的空間坐標相對關系,然后利用極線幾何約束將兩幅圖像的對應點校正

2、到同一水平線上,完成對立體圖像對的校正。實驗表明,這種校正方法能有效的校正未知攝像機參數(shù)的圖像對。
　　 2)針對全局立體匹配中基于馬爾可夫隨機場的置信傳播算法中計算時間隨消息迭代次數(shù)線性增長的問題,提出了一種基于自適應機制的分層置信傳播方法。該方法利用分層置信傳播算法中大部分消息快速收斂的性質,引入消息收斂的條件判斷,在迭代上限相同情況下,減少了算法的迭代次數(shù),縮減了整體迭代的時間。實驗表明,與傳統(tǒng)}tBP相比,該方法有效的縮

3、減了計算時間,而且計算時間對整體迭代上限不敏感。
　　 3)針對分層置信傳播算法難以快速實現(xiàn)的問題,提出了一種利用GPU對其進行高性能的并行計算的方法。該方法結合CUDA編程的特點,分析了分層置信傳播算法的特點,對其進行像素級的并行化處理,使計算的吞吐率有效增加。實驗表明,在相同的匹配水平下,該方法具有比較高的加速比。
　　 4)針對目前現(xiàn)有的立體視頻目標提取方法主要依賴于運動場,提出了一種基于精確視差的靜態(tài)目標分割方法