[发明专利]用于立体匹配的方法和系统

说明书

技术领域

本发明涉及图像处理领域，更具体地涉及一种用于立体匹配的方法和系统。

背景技术

立体匹配是对某一场景拍摄两个以上图像，通过精确地找出图像间的匹配像素来估计该场景的三维(3D)模型，并且将这些图像间的匹配像素的二维(2D)位置转换为3D深度的处理。在简单的成像配置(例如，两只眼睛或两个相机向前直视的成像配置)中，两只眼睛或两个相机之间的视差与该两只眼睛或两个相机与观察对象之间的距离(即，观察对象在所拍摄的图像中的立体深度)成反比。所以，视差图通常被用来描述所拍摄图像中的像素的立体深度。

在传统的用于立体匹配的算法中，通常将分别由两个眼睛或两个相机获取的两个图像中的一个图像作为参考图像、另一个图像作为目标图像，并且输出目标图像相对于参考图像的视差图。

尽管存在很多用于立体匹配的算法，但是它们一般都包括以下几个步骤：匹配代价计算步骤、代价聚集(cost aggregation)步骤、视差计算步骤、以及视差优化步骤。其中：

匹配代价计算步骤计算与最小视差值(d_min)到最大视差值(d_max)之间的每个视差值相对应的参考图像和目标图像之间的像素差。从d_min到d_max之间的所有视差值和与这些视差值相对应的所有像素差形成了初始的视差空间图像(DSI)。传统的匹配代价计算方法包括：1)计算强度差的平方(SD)的方法和计算光强差的绝对值(AD)的方法(这两种方法对噪声都比较敏感)。2)诸如分级变换和统计变换之类的非参数方法(这些方法对噪声不太敏感，但是计算时间较长)。

代价聚集步骤通过对与每个视差值相对应的匹配代价平面上的支持窗口中的匹配代价求和，来获得更可靠的匹配代价。最常用的代价聚集方法是对匹配代价平面上的固定窗口中的匹配代价求和。但是该方法在很多方面都存在不足，因为1)其忽略了图像上的像素的立体深度的不连续性；以及2)其没有对图像中的模糊区域进行处理。所以，理想的代价聚集方法应该使用这样的支持窗口，该支持窗口包括匹配代价平面上的与同一视差值相对应的尽可能多的点。为此，提出了诸如可移动窗口、多窗口、以及可变窗口之类的支持窗口。但是，所有的这些窗口都不能获得令人满意的结果，并且它们的效率不高。

视差计算步骤根据初始的DSI获取图像的视差图。通常，对于拍摄一个场景所获得的图像上的某个像素点，选择与该像素点相关联的最小匹配代价聚集值所对应的视差值作为该像素点的视差值。

视差优化步骤对所获取的视差值进行后处理，进一步包括子像素优化步骤、遮挡检测步骤、以及遮挡填充步骤。传统的遮挡填充方法包括：1)选择处于同一像素行的在空间上最接近的未被遮挡的像素的最低视差值作为被遮挡的像素的视差值(该方法会产生条纹状的伪像)；以及2)使用双边滤波器对被遮挡的区域进行平滑处理(该方法处理速度比较慢)。

发明内容

鉴于以上所述的问题，本发明提供了一种新颖的用于立体匹配的方法和系统。

根据本发明实施例的用于立体匹配的方法，包括匹配代价计算步骤、代价聚集步骤、视差计算步骤、以及视差优化步骤，其中匹配代价计算步骤利用左图像和右图像中每个像素的所有分量通道的强度值的水平梯度和竖直梯度，计算以左图像为参考图像的左视差空间图像和以右图像为参考图像的右视差空间图像。

根据本发明实施例的用于立体匹配的系统，包括匹配代价计算单元、代价聚集单元、视差计算单元、以及视差优化单元，其中匹配代价计算单元用于利用左图像和右图像中每个像素的所有分量通道的强度值的水平梯度和竖直梯度，计算以左图像为参考图像的左视差空间图像和以右图像为参考图像的右视差空间图像。

利用本发明，可以快速获取精确的视差图。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中：

图1示出了根据本发明实施例的用于立体匹配的方法/系统的示意图；

图2示出了由匹配代价计算单元执行的匹配代价计算步骤的示意图；

图3示出了确定左边界像素x₁和右边界像素x₂的过程；

图4示出了由视差计算单元和视差优化单元执行的视差计算和优化步骤的过程；以及

图5示出了二次多项式的曲线图。

具体实施方式