在立体匹配技术中，处理物体间遮挡区域是一个挑战性的任务。遮挡区域容易导致沿物体边界产生视差错误，这是计算机视觉和多媒体处理中一个关键的研究议题。本文提出了一种基于可靠性的不连续性立体匹配方法，旨在有效处理物体间的遮挡问题，并保留物体边界处的视差不连续性。
我们通过基于分割的自适应权重来估计一个初始的视差图。然后，我们为图像中的每个像素获得可靠性，这反映了基于匹配代价的估计视差的正确性。利用可靠性最小化了物体间遮挡造成的视差错误，并生成了保留不连续性的视差图。在Middlebury数据集上的实验显示，该方法成功地保留了物体边界处的视差不连续性，并且超越了现有的立体匹配方法。
为了更深入地理解基于可靠性的不连续性立体匹配，需要了解以下概念和知识：
1. 立体匹配和视差图：立体匹配是指通过分析左右眼图像间的差异来估算每个像素点的视差的过程。视差图表示了场景中物体距离摄像机远近的信息。视差图的准确性对生成高质量的3D图像至关重要。
2. 遮挡处理：在立体视觉中，遮挡是指在一对立体图像中，由于观察角度不同，某些物体可能在一个图像中可见而在另一个图像中不可见。遮挡处理是立体匹配中需要特别关注的问题，因为遮挡区域容易导致视差估计的错误。
3. 可靠性评估：在立体匹配中，可靠性评估是指确定视差估计正确的概率。通常，这通过匹配代价来衡量，匹配代价越低，表示该像素点的视差估计越可信。
4. 分割和自适应权重：基于分割的自适应权重方法是指使用图像分割技术将图像划分为多个区域，然后在每个区域内应用不同的权重来计算视差。这种技术可以提高视差图的准确性，特别是在边界和纹理缺乏区域。
5. 支持权重法：支持权重法是另一种立体匹配技术，它通过给相邻像素分配权重来优化视差估计。这种方法有助于提高立体匹配的鲁棒性，尤其是在处理遮挡和纹理不连续区域时。
6. 算法评估指标：在立体匹配的研究中，通常使用Middlebury数据集作为评估算法性能的标准测试平台。性能指标包括视差估计的准确率、视差图的连续性以及处理遮挡的能力等。
7. 计算机视觉和多媒体处理：立体匹配技术是计算机视觉和多媒体处理领域中不可或缺的一部分。随着立体3D显示技术的发展，立体匹配技术在立体视频编码、基于深度图像的渲染、自由视点电视以及3D电视等应用中发挥着越来越重要的作用。
8. 先进方法的比较：文章中提到了一些其他立体匹配方法，如基于自适应窗口的方法、基于不同窗口尺寸和形状的方法，以及基于支持权重的方法。比较这些方法与基于可靠性不连续性立体匹配方法的优劣，有助于进一步理解该方法的创新点和优势。
基于可靠性的不连续性立体匹配方法通过考虑像素点的匹配可靠性，成功地解决了立体匹配中的遮挡问题，提高了视差估计的质量，并为立体视觉应用提供了更准确和可靠的深度信息。这种方法的提出，对于推动立体匹配技术的发展和完善具有重要的理论和实际意义。
