《表2 Bad=2.0时Middlebury测试数据集比较结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合传播滤波的立体匹配算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用上述参数，图13显示了本文提出的方法在KITTI测试数据集上的视差结果。近年来，局部立体匹配方法在Middlebury基准测试中确实取得了良好的效果。本文不仅与导向滤波立体匹配算法（Iterative Guided Filter，IGF)[22]和基于高斯差分引导的局部立体匹配算法（Difference of Gaussian，DoG-Guided)[23]进行了比较分析，并且与基于能量最小化法（Two-Step Global Optimization，TSGO)[24]进行了对比。表2显示了这几种方法在15对测试数据集的性能。如表2中的“ClassRoom2”和“ClassRoom2e”所示，本文方法在处理曝光对方面有很好效果，且与其他几种方法相比，本文平均误差值最低。