Sub-Block과 밝기 분포의 가중치를 이용한 센서스 변환 기반 스테레오 매칭
Stereo matching based census transform using the sub-block and weights of the brightness distribution
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
스테레오 매칭 알고리즘으로 널리 사용되는 센서스 변환(census transform)은 이미지의 방사 왜곡과 밝기 변화에 강한 장점이 있다. 그러나 중심 화소의 밝기 값을 기준으로 전체 마스크 영역에서의 높고 낮음을 비교하기 때문에 잡음에 민감한 단점이 있다. 즉, 중심 화소의 밝기 값이 잡음 등의 영향을 받는 경우 주변 화소의 밝기 값들과의 센서스 변환 결과를 신뢰하기 어렵다. 이를 해결하기 위해 본 논문에서는 주변 영역 내 화소 밝기 분포에 따라 5 단계로 결정하는 강건한 센서스 변환 방법이 제안된다. 중심 화소의 밝기 값만을 기준으로 하는 기존 센서스 변환과는 다르게, 정합 창을 여러 개의 보조 창으로 나누고 각 보조 창의 평균값을 이용하는 새로운 센서스 변환 방법이 제안된다. 평균값에 유사한 밝기 값을 가지는 화소들은 그렇지 않은 경우에 비해 센서스 변환 과정에서 오 정합이 발생할 확률이 높다. 따라서 주변 화소의 밝기 값의 차이를 계산하고, 차이가 클수록 센서스 변환된 값들에 대해서는 가중치를 상대적으로 크게 부여한다. 실험 결과로부터 제안된 방법의 개선된 스테레오 매칭 성능을 확인하였다.
Abstract
Census transform, one of representative stereo matching algorithms, has a merit that is robust to the radial distortion and brightness changes between stereo views. In general, census transform compares an intensity value of central pixel in a matching window with relative intensity distribution of neighbors. So this method is sensitive to image noise. More specifically, performance of the census transform is deteriorated as an intensity value of the central pixel is degraded by noise. This paper presents a novel census transform that performs 5 levels decision instead of binary decision in neighbors intensity comparison. Conventional census transform is based on central pixel only, but the proposed method divides a matching window into several sub-windows and employs their average values in intensity comparison process. When the intensity values of neighbors in the matching window are similar to the average values, the census transform is difficult to obtain precise stereo matching result. The proposed method examines a variance of intensity distribution in sub-window and computes relative weight values. Experimental results showed that the proposed method can achieve better performance than previous census transform.
참고문헌 (10)
- D. Scharstein, "A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms", Int. J. Comput.Vision, 47, pp.7~42 (2002)
- K. Pauwels, "Segment-Based Stereo Matching Using Belief Propagation a Self-Adapting Dissimilarity Measure", IEEE Transactions on Pattern Analysis and Machine Intelligence, 61(7), pp.999~1012 (2012)
- R. Kalarot, "Stereo Matching with Color-Weighted Correlation, Hierarchical Belief Propagation, and Occlusion Handling", IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(3), pp.492~504 (2008)
- E. Gudis, "Establishing Visual Correspondence from Multi-Resolution Graph Cuts for Stereo-Motion", IEEE 20th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM), pp.29~32 (2012)
- M. Gong, "Real-Time Stereo Matching Using Orthogonal Reliability-Based Dynamic Programming", IEEE Transactions on Image Processing, 16(3), pp.879~884 (2007)
- H. Hirschmuller, "Evaluation of Stereo Matching Costs on Images with Radiometric Differences", IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(9), pp.1582~1599 (2009)
- R. Zabih, "Non-parametric Local Transforms for Computing Visual Correspondence", European Conference on Computer Vision, pp.151~158 (1994)
- N. Chang, "Algorithm and Architecture of DisparityEstimation With Mini-Census Adaptive Support Weight", IEEE Transactions on Circuits and Systems for Video Technology, 20(6), pp.792~805 (2010)
- W. Fire, "Improved Census Transforms for Resource-Optimized Stereo Vision", IEEE Transactions on Circuits and Systems for Video Technology, PP(99), pp.1~ (2012)