[发明专利]基于分割交叉树的立体匹配方法

说明书

基于分割交叉树的立体匹配方法。一种基于分割交叉树的立体匹配方法，本方法包括六步，第一步利用高斯滤波技术对左右立体图像进行预处理，第二步计算初始匹配代价，第三步为左右立体图像的每一待匹配像素点构建分割交叉树，第四步利用一维积分图像加速技术，在分割交叉树支撑区域内聚合初始匹配代价，第五步根据“胜者全取”方法计算视差，第六步根据左右立体图像的视差结果，分别采用左右一致性检测技术和加权中值滤波技术修正视差结果。本发明用于基于分割交叉树的立体匹配。

技术领域：

本发明涉及一种基于分割交叉树的立体匹配方法。

背景技术：

立体匹配是计算机视觉领域中的研究热点之一，其目的是建立同一场景的两幅或者多幅图像中同名像素点之间的对应关系，并利用三角测量原理重建场景的三维信息。该技术广泛应用于虚拟现实、机器人导航、无人驾驶导航等领域。迄今为止，学者们已提出大量方法用于解决立体图像的匹配问题。根据不同的视差选择方式，立体匹配方法主要分为两类：全局立体匹配方法和局部立体匹配方法。全局立体匹配方法通过全局能量最小化方式选择视差，而局部立体匹配方法则是通过“胜者全取”方式选择视差。但从其本质来看，这两类方法都是以最小化匹配代价作为视差选择的依据，因此如何定义和计算匹配代价是立体匹配的关键问题。

传统的匹配代价计算方法首先利用相似度函数计算初始匹配代价，再为每一个待匹配像素点定义一个支撑区域聚合初始匹配代价。按照聚合区域选择方式的不同，可主要分为两类方法：一类是基于窗口的代价聚合方法，另一类是基于树结构的代价聚合方法。

基于窗口的代价聚合方法主要原理是局部场景的“前视平坦”假设，即认为局部窗口内的像素点具有相同或相似的视差。因此如何保证局部范围内的视差范围尽量保持一致是该类算法的研究重点，其代表性算法包括自适应窗口方法和自适应权重方法。前者通过调节支撑窗口的尺寸或形状来保证窗口内所有像素点的视差都近似等于待匹配像素点的视差，后者为支撑窗口内与待匹配像素点视差相近的其他像素点赋予较大权重。由于受局部窗口的尺寸限制，基于窗口的代价聚合方法在前景物体边界处易出现“粘合”现象。另外，对于大面积的弱纹理区域，由于缺乏了充足且有价值的支撑信息，基于窗口的代价聚合方法会得到完全失真的视差结果，大面积弱纹理区域的匹配问题一直以来都是基于窗口的代价聚合方法难以解决的难题。

基于树结构的代价聚合方法是杨庆雄在2012年CVPR会议(IEEE国际计算机视觉与模式识别会议)中首次提出的，该方法以全图像的所有像素点作为图结点，利用该图的最小生成树作为待匹配像素点的支撑区域。由于支撑区域覆盖了全图像范围，因此改进了算法在大面积弱纹理区域的匹配准确率。梅(Mei)等人在2013年提出一种基于分割树的立体匹配方法，该方法首先对图像进行分割，然后在每个分割区域内建立最小生成子树，最后通过连接各个分割区域内的子树构建分割树，利用分割树聚合初始匹配成本。由于该方法引入了分割结果作为先验信息，因此算法在物体边界区域具有更高的匹配准确率，减弱了“粘合”现象对匹配结果的影响。但是上述两种算法均以最小生成树作为聚合策略，当左右立体图像中存在着大量重复纹理区域时，初始图结构中将出现大量的同等权重的边，使得最小生成树的结构并不是唯一的，选取不同的最小生成树会使最终视差结果出现较大差异，导致匹配算法的稳定性较差。

发明内容：

本发明的目的是提供一种有效的提高了视差图质量，并且具有较快的匹配速度的基于分割交叉树的立体匹配方法。

上述的目的通过以下的技术方案实现：

一种基于分割交叉树的立体匹配方法，本方法包括六步，第一步利用高斯滤波技术对左右立体图像进行预处理，第二步计算初始匹配代价，第三步为左右立体图像的每一待匹配像素点构建分割交叉树，第四步利用一维积分图像加速技术，在分割交叉树支撑区域内聚合初始匹配代价，第五步根据“胜者全取”方法计算视差，第六步根据左右立体图像的视差结果，分别采用左右一致性检测技术和加权中值滤波技术修正视差结果。