Resumen

La correspondencia estereoscópica densa que permite reconstruir la información de profundidad de una escena es de gran importancia en el campo de la visión por ordenador. Recientemente, se ha demostrado que algunas soluciones locales basadas en el filtrado de costes de correspondencia con un filtro que preserva los bordes son capaces de lograr más precisión que los enfoques globales. Por desgracia, la complejidad computacional de estos algoritmos está cuadráticamente relacionada con el tamaño de la ventana utilizada para agregar los costes de coincidencia. La tendencia reciente ha sido buscar una mayor precisión con una mayor eficiencia en la ejecución. Por lo tanto, este trabajo propone un nuevo módulo de agregación de costes para calcular las respuestas de coincidencia de todos los píxeles de la imagen en un conjunto de puntos de muestreo generados por un algoritmo de agrupación jerárquica. La complejidad de esta implementación es lineal tanto en el número de píxeles de la imagen como en el número de clusters. Los resultados experimentales demuestran que el algoritmo propuesto supera a los métodos locales más avanzados tanto en precisión como en velocidad. Además, las pruebas de rendimiento indican que parámetros como la altura del árbol binario jerárquico y las desviaciones estándar espacial y de rango influyen significativamente en el consumo de tiempo y en la precisión de los mapas de disparidad.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:píxeles de imagen, correspondencia estéreo densa, árbol binario jerárquico, algoritmo de agrupación jerárquica, precisión, número, resultados experimentales, módulo de agregación, complejidad computacional, visión por ordenador
• Keywords:image pixels, dense stereo correspondence, hierarchical binary tree, hierarchical clustering algorithm, accuracy, number, experimental results, aggregation module, computational complexity, computer vision