提出一种基于梯度和MRF（Markov Random Field）模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算，获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测，并运用基于MRF模型的因果预测对误匹配...提出一种基于梯度和MRF（Markov Random Field）模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算，获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测，并运用基于MRF模型的因果预测对误匹配块进行迭代校正，最终获得较为精确平滑的视差场．实验表明，与传统块匹配法相比，该算法生成的视差场能够将预测图像峰值信噪比提高1．2～1．8dB，且运算时问在1s以内．展开更多
文摘提出一种基于梯度和MRF（Markov Random Field）模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算，获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测，并运用基于MRF模型的因果预测对误匹配块进行迭代校正，最终获得较为精确平滑的视差场．实验表明，与传统块匹配法相比，该算法生成的视差场能够将预测图像峰值信噪比提高1．2～1．8dB，且运算时问在1s以内．
