多代价融合与差异化填充的植物叶片表型立体匹配方法OA

【目的】针对传统立体匹配算法在植物叶片表型重建中存在匹配精度不足、易受遮挡及纹理缺失等问题,本研究提出一种面向复杂植物表型重建场景的多代价融合与差异化填充立体匹配方法。【方法】首先,基于AD-Census框架构建多代价计算模型,通过引入加权RGB颜色空间代价与多方向梯度代价,结合特征自适应的Census变换代价计算,构建具有较强特征表达能力的多代价融合函数;其次,设计十字交叉域聚合与四路径扫描线优化相结合的代价聚合策略,有效增强叶片边缘区域的匹配精度;再次,针对叶片表面与背景区域的差异,提出基于区域分割的视差优化机制,通过自适应空洞填充策略改善视差图的连续性。试验借助Middlebury标准测试集进行性能测试,采用PlantStereo高精度植物叶片数据集进行算法验证,并搭建基于ZED 2i双目相机的植物表型采集平台进行实景验证。【结果】在PlantStereo数据集上,本研究方法端点误差较基准算法降低28.4%,平均误匹配率降低至14.03%,较基准算法降低67.8%;在Middlebury数据集上,平均误匹配率较基准算法降低13.7%。实景采集试验显示,重建模型在叶片表面细节与完整性方面均有所提升。【结论】该方法有效提升了植物叶片立体匹配的精度与鲁棒性,为智慧农业中叶片表型解析提供了可靠的技术支撑。