立体匹配算法在图像弱纹理区和重复纹理区存在匹配困难、误差大的问题,为此提出一种基于改进代价计算和视差候选策略的立体匹配算法。首先结合改进的Census变换和自适应加权融合的双向梯度信息来计算初始匹配代价,提高代价计算的可靠性。其中:为传统Census变换增加内圈编码,提高邻域信息利用率,同时降低噪声的影响;利用自适应权重函数融合横向和纵向梯度代价,降低物体边缘区域的误匹配率。其次,采用自适应十字交叉窗口进行代价聚合,并通过建立候选视差集和引入邻域视差信息的方法来获取初始视差。最后通过两轮插值策略

立体匹配技术是计算机视觉领域的研究热点，由于问题本身的病态性，一直没有得到很好地解决。针对现有局部立体匹配算法精度不高以及易受光照失真影响的问题，提出了一种基于改进梯度匹配代价和自适应窗口的匹配算法。在传统梯度向量仅包含幅度信息的基础上，引入相位信息，并对原始匹配代价进行变换，进一步消除异常值；利用图像结构和色彩信息构建自适应窗口进行代价聚合；提出了一种局部视差直方图的视差精化方法，获得了高精度的视差图。实验结果表明，所提算法在Middlebury 测试平台上平均误匹配误差为6.1%，且对光照失

基于改进梯度和自适应窗口的立体匹配算法