Stereo Matching algorithm using Adaptive Support Weight

资 源 简 介

Stereo Matching algorithm using Adaptive Support Weight

详 情 说 明

立体匹配算法是计算机视觉中用于从双目图像计算深度信息的关键技术。其中基于自适应支持权重（Adaptive Support Weight）的方法通过智能调整像素邻域权重，显著提升了匹配精度，特别适合处理弱纹理区域和深度不连续边界。

核心思想在于为每个像素构建局部支持窗口时，并非简单采用固定矩形区域，而是综合考虑空间距离和颜色相似性两个维度。距离中心像素越近且颜色越相似的邻域点将获得更高的权重，这种动态调整能有效保留物体边缘结构。算法实现通常分为四个阶段：

代价计算阶段：对左右图像对应像素点进行初始匹配代价计算，常用Census变换或灰度绝对值差（AD）作为基础度量。

权重分配阶段：在支持窗口内，根据像素坐标的高斯距离和RGB颜色的高斯相似度计算复合权重。这种双重约束使算法能自适应物体边界。

代价聚合阶段：通过加权求和方式聚合窗口内所有像素的匹配代价，大幅抑制噪声干扰。

视差优化阶段：采用胜者为王（WTA）策略选择最小聚合代价对应的视差值，最终生成视差图。

MATLAB实现时需特别注意：颜色空间的归一化处理对权重计算影响显著，通常需要将RGB转换到Lab色彩空间以提升颜色距离的感知均匀性。此外，适当调整高斯函数的标准差参数能平衡算法对噪声敏感度和边缘保持能力。该算法虽然计算复杂度较高，但在Middlebury标准数据集上始终保持着优异的性能表现。

实际工程中可结合金字塔分层策略加速计算，或引入引导滤波（Guided Filter）优化权重分配过程。这些改进能在保持精度的同时将运行效率提升数倍。