基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的最小生成树立体匹配算法对低纹理区域和遮挡区域不敏感,虽然最小生成树立体匹配算法后处理的中值滤波能够消除噪点,但是不能够消除边缘模糊.本文提出一种改进算法来克服这些局限性.首先,由于最小生成树匹配成本区分度不够高,研究并提出新最小生成树的匹配成本,使其可以减小不敏感区域的误匹配.其次,在后处理中使用加权中值滤波,以改善深度图像边缘.实验结果表明,在最小生成树立体匹配算法中使用改进匹配成本算法和加权中值滤波算法,在Middlebury数据集中平均误匹配率达到6.9%,本文算法在Middlebury和KITTI场景中都优于最小生成树立体匹配算法.
推荐文章
立体匹配算法研究综述
立体匹配
全局立体匹配
局部立体匹配
基于图像分割的改进立体匹配算法
图像分割
立体匹配
聚类
基于改进Census变换的立体匹配算法
立体匹配
统计变换
Hamming距离
视差优化
基于改进多级中值滤波的加权滤波算法
多级中值滤波
椒盐噪声
条形子窗口
加权滤波算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于加权中值滤波的MST立体匹配算法
来源期刊 计算机与现代化 学科 工学
关键词 最小生成树 低纹理 遮挡区域 中值滤波 匹配成本 加权中值滤波
年,卷(期) 2018,(5) 所属期刊栏目 算法设计与分析
研究方向 页码范围 16-19,24
页数 5页 分类号 TP242.6
字数 3716字 语种 中文
DOI 10.3969/j.issn.1006-2475.2018.05.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 许道云 贵州大学计算机科学与技术学院 125 460 12.0 16.0
2 赵大成 贵州大学计算机科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
最小生成树
低纹理
遮挡区域
中值滤波
匹配成本
加权中值滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导