Resumen

El desarrollo de algoritmos de correspondencia a partir de pares de imágenes estereoscópicas para obtener mapas de disparidad correctos para la reconstrucción 3D ha sido objeto de intensa investigación. Se propuso un algoritmo de complejidad computacional constante para calcular la agregación de la disimilitud en la evaluación de la disparidad basada en la suma ponderada sucesiva separable (SWS) entre las direcciones horizontal y vertical, pero aún no es satisfactorio. Este artículo presenta un nuevo método que permite desacoplar la medida de disimilitud en la agregación, mejorando aún más la precisión y robustez de la correspondencia estereoscópica. El coste agregado también se utiliza para refinar las disparidades basándose en un procedimiento local de ajuste de curvas. Según nuestros resultados experimentales en la evaluación comparativa de Middlebury, el enfoque propuesto tiene un rendimiento comparable al de los algoritmos más avanzados seleccionados y presenta la tasa de desajuste más baja. Además, el procedimiento de refinamiento es capaz de preservar los límites de los objetos y las discontinuidades de profundidad al tiempo que suaviza los mapas de disparidad.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:algoritmo de complejidad computacional constante, suma ponderada sucesiva separable, evaluación comparativa de middlebury, mapas de disparidad correctos, tasa de desajuste más baja, pares de imágenes estereoscópicas, reconstrucción 3d, coste agregado, algoritmos artísticos, rendimiento comparable
• Keywords:constant computational complexity algorithm, separable successive weighted summation, middlebury benchmark evaluation, correct disparity maps, lowest mismatch rate, stereo image pairs, 3d reconstruction, aggregated cost, art algorithms, comparable performance