[发明专利]基于视差信息的自适应权重聚合的立体匹配方法

摘要

本发明涉及一种基于视差信息的自适应权重聚合的立体匹配算法，包括：设定左图像作为参考图像IR、右图像为目标图像IT；采用截断亮度联合截断梯度的初始匹配代价计算方法计算得到参考图像的初始匹配代价pR，并根据基于窗口聚合的立体匹配算法对pR进行聚合匹配，得到参考图像初始视差图Dori_R；计算自适应聚合权重平滑参数；得到聚合权重W(i,j)→(x,y)；将聚合权重W(i,j)→(x,y)与初始匹配代价pR相乘后进行聚合，对聚合得到的结果采用WTA策略获取参考图像视差图；设定右图像作为参考图像IR、左图像为目标图像IT，重复步骤(2)、(3)、(4)、(5)，对得到的两幅视差图采用常规的视差精炼方法后即可得到精炼后的参考图像视差图。

主权项

一种基于视差信息的自适应权重聚合的立体匹配算法，包括下列步骤：(1)设定左图像作为参考图像IR、右图像为目标图像IT；(2)采用截断亮度联合截断梯度的初始匹配代价计算方法计算得到参考图像的初始匹配代价pR，并根据基于窗口聚合的立体匹配算法对pR进行聚合匹配，得到参考图像初始视差图Dori_R；(3)设参考图像的中心像素点为(x,y)，参考图像中任意像素点为(i,j)，根据公式计算像素点(k1,y)与像素点(k1‑1,y)之间的自适应聚合权重平滑参数值β(k1,y)→(k1‑1,y)，其中k1为横向坐标变量且k1∈[min(i,x)+1,max(i,x)]，β0为常数，根据公式计算像素点(x,k2)与像素点(x,k2‑1)之间的自适应聚合权重平滑参数值β(x,k2)→(x,k2‑1)，其中k2为纵向坐标变量且k2∈[min(j,y)+1,max(j,y)]；(4)根据公式计算像素点(k1,y)与(k1‑1,y)之间亮度差异信息G(k1,y)→(k1‑1,y)，根据公式计算像素点(x,k2)与(x,k2‑1)之间亮度差异信息G(x,k2)→(x,k2‑1)；然后根据公式计算像素点(k1,y)与(k1‑1,y)之间初始视差差异信息D(k1,y)→(k1‑1,y)，同时根据公式计算像素点(x,k2)与(x,k2‑1)之间初始视差差异信息D(x,k2)→(x,k2‑1)；最后将k1,k2取值范围内所有的G(k1,y)→(k1‑1,y)、G(x,k2)→(x,k2‑1)、D(k1,y)→(k1‑1,y)、D(x,k2)→(x,k2‑1)相乘即可得到聚合权重W(i,j)→(x,y)；(5)将聚合权重W(i,j)→(x,y)与初始匹配代价pR相乘后进行聚合，对聚合得到的结果采用WTA策略获取参考图像视差图；(6)设定右图像作为参考图像IR、左图像为目标图像IT，重复步骤(2)、(3)、(4)、(5)，对得到的两幅视差图采用常规的视差精炼方法后即可得到精炼后的参考图像视差图。