Mapa de disparidad densa para la imagen estereoscópica en el dominio de Clifford

Dense disparity map for the color stereoscopic image on the Clifford domain

En la literatura se han propuesto extensiones de Quad-tree para la estimación del mapa de disparidad denso utilizando la luminancia en el dominio real. La contribución de este trabajo es la comparación del procesamiento de imágenes estereoscópicas entre el algoritmo que es una extensión de Quad-tree para procesar imágenes en el dominio real utilizando la luminancia, con el algoritmo, propuesto aquí, que es la extensión de Quad-tree para procesar imágenes codificadas en el dominio del álgebra de Clifford utilizando imágenes en color del modelo YUV.El mapa de disparidad denso se obtiene resolviendo el problema de emparejamiento para cada píxel entre el par estereoscópico. El problema del emparejamiento es fundamental y presenta dificultades debido a la presencia de zonas ocluidas, el ruido y las variaciones de iluminación, etc. El álgebra de Clifford se utiliza para mapear los valores del modelo YUV de cada píxel en los vectores base, componiendo un número de Clifford.En este dominio, se generan mejores resultados para las imágenes que tienen muchos objetos en la escena, definidos aquí como complejos, si se comparan con los obtenidos en las imágenes que utilizan el dominio real sobre la aluminancia. El procesamiento de los pares estereoscópicos utilizados en el algoritmo propuesto en el dominio real y en el dominio Clifford demuestra, experimentalmente, la mejora obtenida para las imágenes en escenas reales.

INTRODUCCIÓN

La estereoscopía permite reconstruir estructuras tridimensionales utilizando dos imágenes de la misma escena, pero desde ángulos ligeramente desplazados, como se muestra en las imágenes izquierda y derecha del par estereoscópico de la Figura 1.

Los píxeles correspondientes son aquellos que, dado un píxel de un objeto de la escena, están presentes tanto en la imagen izquierda como en la derecha [1]. Estas reconstrucciones son posibles porque utilizando el par estereoscópico se puede estimar el desplazamiento o disparidad de cada píxel perteneciente a la imagen izquierda con respecto a la derecha o viceversa, esto se conoce como el problema de emparejamiento. La estimación del mapa de disparidad denso (DMA) consiste en encontrar la correspondencia de todos los píxeles de la imagen izquierda con respecto a la derecha o viceversa, y presenta problemas causados por regiones ocluidas, ruidos y variaciones en la iluminación de las imágenes utilizadas, diferentes ganancias de cámara, etc. La visión tridimensional (3D) se utiliza en aplicaciones que implican la visión en profundidad, como por ejemplo: la visión de robots, la realidad virtual, la realidad virtualizada, la televisión 3D [2], etc.