[发明专利]一种基于双权重聚合的立体匹配方法

说明书

技术领域

本发明涉及计算机立体视觉领域中的立体匹配，尤其涉及一种基于双权重聚合的立体匹配方法，可用于图像的三维重建，在医学图像、媒体设备等中提供指导。

背景技术

立体匹配是根据同一场景内多幅不同视角的二维图像，来获得该场景内各物体的深度信息，该技术是计算机视觉领域的研究热点，近年来得到广泛的关注。局部立体匹配方法利用兴趣点周围的局部信息进行相关计算，涉及信息量较少，相应的计算复杂度较低，具有速度快、效率高的优点。

传统的局部立体匹配方法，一般采用基于窗口聚合的匹配方法获得初始视差图，然后对初始视差图进行优化得到最终视差图。例如，有的科研人员提出基于固定窗口的匹配方法获取视差图，此方法虽然计算简便，但由于低纹理区域应该采用大尺寸窗口进行匹配，高纹理区域应该采用小尺寸窗口进行匹配，所以采用固定窗口的匹配方法对于不同场景的匹配缺乏自适应性。也有一些科研人员提出自适应权重匹配方法，但由于此方法只涉及到单一的权重，导致匹配效果不理想。上述方法只是对于某一类的图像匹配效果较为理想，不适用于普通图像的立体匹配，难以满足实际应用的需要。

目前，在低纹理及高纹理交替出现的图像中误匹配率较高，难以获得较高的立体匹配精度，这也是众多科研人员在立体匹配中所面临的问题。随着电子科技的发展，立体匹配在军事、工业、医疗器材、监控系统、视觉导航、人机交互、虚拟现实和无人机等方面都有非常广泛的应用背景，具有很大的商业价值、使用价值和研究意义。近年来，计算机立体视觉理论的发展为获得高精度的立体匹配提供了理论依据。

发明内容

本发明提供了一种基于双权重聚合的立体匹配方法，本发明从改进匹配代价聚合的方式出发获取初始视差图，同时在视差优化阶段改进视差平滑的策略以此来解决传统局部立体匹配方法在匹配过程中所出现的误匹配率较高的问题，详见下文描述：

一种基于双权重聚合的立体匹配方法，所述方法包括以下步骤：

获取参考图、目标图中每个参考像素点的亮度匹配代价、梯度匹配代价；

根据每个参考像素点的亮度匹配代价、梯度匹配代价获取视差空间；

对所述视差空间求取最小值分别得到以左图为参考图的左图初始视差图、以右图为参考图的右图初始视差图；

对左右初始视差图进行一致性校验，得到一幅精确的左图视差图；

对所述视差空间采用双曲线联合抛物线方法平滑获得精度更高的亚像素级别的视差图。

所述获取参考图、目标图中每个参考像素点的亮度匹配代价、梯度匹配代价的步骤具体为：

选取预处理后的左图作为参考图，预处理后的右图为目标图；

对参考图、目标图分别提取各自RGB三个通道的亮度信息并运用截断绝对亮度差值方法获得每个参考像素点的亮度匹配代价，同时对参考图，目标图分别提取各自RGB三个通道的水平、竖直方向梯度信息并运用截断绝对梯度差值方法获得每个参考像素点的梯度匹配代价。

所述根据每个参考像素点的亮度匹配代价、梯度匹配代价获取视差空间的步骤具体为：

采用指数函数结合对数函数的方法对每个参考像素点的亮度匹配代价和梯度匹配代价设置相应的亮度聚合权重和梯度聚合权重，然后分别进行权重匹配代价聚合获得每个参考像素点的总亮度匹配代价和总梯度匹配代价，将总亮度匹配代价和总梯度匹配代价赋以相应的权重组成视差空间。

本发明提供的技术方案的有益效果是：本发明针对传统局部立体匹配方法的不足，在原有方法上进行改进，首先采用截断绝对亮度差值（TAD）和截断绝对梯度差值方法（TAG）分别获得亮度匹配代价和梯度匹配代价，并类比双边滤波特性采用指数函数结合对数函数的方法设置相应的亮度聚合权重和梯度聚合权重，结合最小化视差空间方法以获得原始视差图；然后通过对左、右视差图进行一致性检测，提取出有效的像素点集，提高视差图的准确性；最后采用双曲线联合抛物线方法平滑视差空间的方法以提高视差图的精度。本发明与现有技术相比的优点在于：

(1)将两种不同聚合匹配代价的权重分开来考虑，即TAD匹配代价的聚合权重依赖于亮度信息的差异，TAG匹配代价的聚合权重依赖于梯度信息的差异，这样的聚合权重设置更能反映不同权重对不同匹配代价的影响，且权重的设置使用RGB三个通道的信息，较使用单一通道信息更为可靠。

(2)在视差优化阶段采用新的曲线平滑视差空间的策略，获得更高精度的视差图,在低纹理和视差连续区域都能获得更准确的视差图，在遮挡区域也取得了比较理想的效果。。