[发明专利]基于匹配代价更新及图像分割的视差精炼方法

摘要

本发明公开了一种基于匹配代价更新及图像分割的视差精炼算法，包括对参考图像I_R以及目标图像I_T进行图像分割；使用基于窗口聚合的立体匹配算法，对参考图像I_R以及目标图像I_T进行初始立体匹配，得到参考图像初始视差图D_AR以及目标图像初始视差图；计算更新后的参考图像匹配代价；得到参考图像聚合权重Ω_R(i_R,j_R)和目标图像聚合权重Ω_T(i_T,j_T)；得到参考图像视差图D_BR和目标图像视差图D_BT；得到最终的参考图像稠密视差图D_R以及目标图像稠密视差图D_T。

主权项

1.一种基于匹配代价更新及图像分割的视差精炼方法，包括下列步骤：(1)使用K‑means聚类方法对参考图像I_R以及目标图像I_T进行图像分割，得到参考图像分割区域标志位K_R以及目标图像分割区域标志位K_T；(2)使用基于窗口聚合的立体匹配方法，对参考图像I_R以及目标图像I_T进行初始立体匹配，得到参考图像初始视差图D_AR以及目标图像初始视差图D_AT，采用截断亮度初始匹配代价联合截断梯度初始匹配代价计算得到参考图像匹配代价以及目标图像匹配代价；(3)设参考图像内任意像素点为(i_R,j_R)，根据公式计算更新后的参考图像匹配代价p_R(i_R,j_R,d_R)，其中e为自然底数，d_R为参考图像的视差搜索值，λ为缩放因子，与参考图像和目标图像的亮度之比成正比，G_R为参考图像误匹配点标志位函数，由公式计算得到；同理设目标图像内任意像素点为(i_T,j_T)，根据公式计算更新后的目标图像匹配代价p_T(i_T,j_T,d_T)，其中d_T为目标图像的视差搜索值，G_T为目标图像误匹配点标志位函数，由公式计算得到；(4)设参考图像中心像素点为(x_R,y_R)，从(i_R,j_R)水平方向出发，依次遍历其与(i_R,y_R)之间的所有相邻像素点，然后再从(i_R,y_R)竖直方向出发，依次遍历其与(x_R,y_R)之间的所有相邻像素点，上述遍历路径记为U，然后计算路径U上所有相邻像素点之间的亮度值之差的绝对值T_n以及分割区域标志位之差的绝对值E_n，n表示遍历路径U上的第n对相邻像素点，然后对T_n进行指数化得到β为常数，同时根据公式计算对E_n进行阈值判别后的结果ψ(E_n)，最后将路径U上所有的与ψ(E_n)相乘之后即可得到参考图像聚合权重Ω_R(i_R,j_R)；设目标图像中心像素点为(x_T,y_T)，将x_T,y_T的值以及i_T,j_T的值分别赋给x_R,y_R以及i_R,j_R，并依据上述Ω_R(i_R,j_R)的计算方式得到目标图像聚合权重Ω_T(i_T,j_T)；(5)利用参考图像聚合权重Ω_R(i_R,j_R)对更新后的参考图像匹配代价p_R进行全域的匹配代价聚合匹配，得到参考图像视差图D_BR，同理根据目标图像聚合权重Ω_T(i_T,j_T)对更新后的目标图像匹配代价p_T进行全域的匹配代价聚合匹配，得到目标图像视差图D_BT；(6)根据邻近点填充的方式对参考图像视差图D_BR以及目标图像视差图D_BT进行视差优化填充，得到最终的参考图像稠密视差图D_R以及目标图像稠密视差图D_T。