针对移动平台有限的计算资源以及基于彩色图像的道路检测方法在极端光照情况下及路面类型变化时存在的不足,提出了一种融合彩色图像和视差图像的基于9层卷积神经网络的快速道路检测算法。提出一种数据输入层预处理方法,将视差图变换为视差梯度图以强化地面特征,降低网络深度需求。所提两种网络结构为双通道后融合网络和单通道前融合网络,分别用于卷积特征分析和快速道路检测。实验使用KITTI道路检测数据集并人为划分为普通和困难两组数据集,对该算法进行实验对比和分析,结果表明:与基于彩色图像的卷积神经网络方法相比,该算法在普通数据集上最大F₁指标(MaxF₁)提升了1.61%,在困难数据集上MaxF₁提升了11.58%,算法检测速度可达26 frame/s,可有效克服光照、阴影、路面类型变化等影响。

提出一种利用多尺度特征的无人飞艇遥感平台获取的序列航拍图像生成密集匹配视差图像的方法。运用尺度不变特征变换(SIFT)算法从两幅相邻图像中提取特征点，基于欧氏距离进行粗匹配,并通过缩小搜索范围提高粗匹配效率，再通过随机抽样一致性(RANSAC)算法估计基础矩阵，利用对极几何约束关系剔除误匹配，进行精确匹配，提高匹配的稳健性和精度，然后利用区域生长算法进行特征点密集匹配生成相应视差图像。实验表明算法在保持稳健性的同时，可以降低时间复杂度，获得相当规模的密集匹配点，得到良好的可视效果。

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法。先利用帧差法分别确定出左右视频的前景运动区域，再重构出该区域的背景图像，最后，通过视频图像和背景图像的对比来准确地提取运动前景。然后，先匹配左右图像序列的背景图像，并保存它们的匹配结果，再分别对各立体图像对的运动前景进行匹配。采用该方法将立体视频分割可以减少图像数据的传输量和储存空间; 同时，视频分割之后再做匹配运算，减少了立体匹配的时间。

In three-dimensional displays, large vertical parallax in parallax images is disadvantageous to stereo vision due to the presence of visual fatigue. Based on the principle that homologous points in different parallax images correspond to the same object point, a method is proposed to eliminate the vertical parallax in multi-view parallax images. The coordinate mapping relationship between a standard parallax image and an awaiting rectification parallax image is established according to the coordinates of the image points of the rectangular calibration board vertices. Experiments are conducted, and results prove that the proposed method is reliable.

提出了一种利用同一场景的两幅视差图像生成用于多视点自由立体显示的多幅视差图像的方法。首先运用SIFT匹配算法从两幅视差图像中寻找匹配点,并运用生长运算得到图像的稠密匹配;然后根据匹配点坐标对视差进行了近似计算并得到左视差图像的深度图像;最后提出一种基于投影原理的多幅视差图像生成方法,由左视差图像和其深度图像生成了应用于多视点自由立体显示的多幅视差图像,其立体显示效果良好。

为了解决视差图像的快速、鲁棒配准问题,提出了一种基于小波近似图像和垂直细节图像由粗到精的加权全局配准策略.首先利用小波变换的多分辨率特性,对图像进行小波变换生成一个基于灰度的金字塔,从金字塔顶层到底层对每一层的近似分量进行由粗到精的配准.为了进一步提高配准可靠性,在金字塔次底层分别对近似图像和垂直细节图像进行加权相关配准,得到稳定的最优配准.