[发明专利]一种基于双权重聚合的立体匹配方法

摘要

本发明公开了一种基于双权重聚合的立体匹配方法，涉及立体匹配领域，所述方法包括获取参考图、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。本发明能够得到更准确的视差图，对图像的鲁棒性增强，具有准确率高、扩展性强等优点，有着广泛的应用前景。

主权项

一种基于双权重聚合的立体匹配方法，其特征在于，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；TD＝25，TG＝20；TD、TG是截断阈值；Wix=Πk=i+1x1logb(b-1+exp(Σn=13[IRn(k,y)-ITn(k-1,y)]22α)),i<x1,i=xΠk=x+1i1logb(b-1+exp(Σn=13[IRn(k,y)-ITn(k-1,y)]22α)),i>x]]>Wix代表点P的TAD聚合的横向权重；视差值的计算采用WTA策略，即为D(x,y)=argmind∈S(d)C‾(x,y,d)]]>其中，D为参考图的初始视差图，D(x,y)为参考像素点(x,y)即P点的初始视差值，S(d)＝{dmin,1,2...,dmax}为视差搜索范围，dmin、dmax分别代表最小、最大的视差搜索值；利用左右一致性检测方法检测视差异常值点，不满足下式的P点(x,y)即为视差异常值点；|Drl(x,y)‑Dlr(x‑Drl(x,y),y)|＜1式中Drl是以左图为参考图得到的左图初始视差图，Dlr是以右图为参考图得到的右图初始视差图；根据视差值的定义可知左图上的点(x,y)对应右图上的匹配点为(x‑Drl(x,y),y)，故通过对左右视差图进行一致性校验，可以将初始匹配中的错误视差值剔除；其中，b为对数权重函数的底数；IRn(k,y)为参考图像素点(k,y)的RGB通道的像素值；ITn(k‑1,y)为目标图像素点(k‑1,y)的RGB通道的像素值；为参考像素点P在视差搜索值为d时的总聚合匹配代价又称视差空间；α为权重平滑因子。