[发明专利]基于改进三值Census的半全局密集匹配方法及系统

说明书

本发明涉及密集匹配领域，具体而言，涉及基于改进三值Census的半全局密集匹配方法及系统。本发明提供的基于改进三值Census的半全局密集匹配方法及系统，通过对核线像对进行基于三值Census变换的代价计算，得到左影像各像素各视差下的初始代价。然后进行代价聚合，对左影像各像素各视差下的代价进行更新。接着使用WTA算法进行视差计算，得到初始视差值。利用一致性检查、唯一性约束、子像素拟合、中值滤波和剔除小连通区进行视差优化。最终，输出得到左影像的视差图。

技术领域

本发明涉及密集匹配领域，具体涉及核线像对的基于改进三值Census的半全局密集匹配方法及系统。

背景技术

在密集匹配领域，代价计算的方式有很多种，其中基于Census变换的代价计算较为常见。而传统的Census变换均为二值Census变换，即将边缘像素与中心像素的灰度值的关系简化为了两种(大于等于和小于或小于等于和大于)，由于没有将等于关系区分开来，导致代价计算的逻辑不够严谨，精度也会收到影响，于是基于改进三值Census的半全局密集匹配方法就有了意义，使得代价计算时边缘像素与中心像素的灰度值大小关系能够正确反映，从而逻辑更加严密，并提高匹配精度。一方面，可以通过基于互信息的半全局匹配实现核线影像的密集匹配；另一方面，可以通过二值Census变换的半全局匹配实现核线影像的密集匹配。但是，上述方法的匹配代价计算方式均存在一定的问题，基于互信息的半全局密集匹配的匹配速度较慢，需要改进；基于二值Census变换的半全局密集匹配没有区分出边缘像素与中心像素的灰度值相等关系。这些均导致了密集匹配的逻辑缺乏严谨性，匹配精度有待提高。

发明内容

本发明所要解决的技术问题是解决了基于二值Census变换的代价计算存在的无法区分边缘像素与中心像素灰度值相等情况的问题，目的在于提供逻辑更严谨、精度更高的半全局密集匹配方法。利用基于改进三值Census的半全局密集匹配方法，既能够充分提取中心像素与周围像素的灰度值大小关系，保证匹配精度，同时比特串位运算的使用也使得三值 Census变换较二值Census在效率上几乎没有变换，最终实现了对核线像对的密集匹配，输出视差图。

本发明通过下述技术方案实现：

基于改进三值Census的半全局密集匹配方法及系统，包括如下步骤：

步骤A)输入核线像对和视差搜索范围。

步骤B)分别对输入的左右影像做三值Census变换得到各像素Census值(二进制比特串)。输入核线像对，取一个邻域窗口(窗口大小为n×m，n和m都为奇数，例如5×5)，将领域内的像素灰度值与窗口中心像素的灰度值进行比较，像素的灰度值大于中心→记为两位二进制10、像素的灰度值等于中心→记为两位二进制11、像素的灰度值小于中心→记为两位二进制01，得到一个二进制比特串，作为中心像素的Census变换值。得到像素的Census变换值后，对左影像中的每一个像素，在输入的视差搜索范围内的每一个视差下，匹配右影像中对应的像素，两个像素对应两个Census值进行异或运算(相同比特位比较，相同记为0，不同记为 1)，得到的比特串结果中1的个数即为代价值，用Hamming距离表示，从而得到三维代价数组。

步骤C)采用路径聚合来近似求解二维最优。将每个像素的初始代价值从N个不同方向路径下(4方向或8方向)进行单独聚合，然后将所有路径聚合值进行累加。中，C(p，d)表示像素p在视差d下的初始代价。Lr(p，d)表示像素p在视差d下的聚合代价。惩罚项P1为一个常量，按照经验设置，一般设置为10。惩罚项P2为一个随左影像相邻像素灰度差变化的变量，其值按照P₂＞P₁进行计算(P2’＝150， I_bp为像素p的灰度值，I_bq为像素q的灰度值)。输入三维代价数组和聚合方向，按照上式，对于聚合方向下每一条路径，进行代价聚合更新代价值(路径的首个像素的聚合代价等于初始代价)，得到各方向的聚合代价值后，进行累加，从而完成N方向下的代价聚合。