[发明专利]一种基于外极线距离变换的树型滤波立体匹配方法

说明书

本发明涉及一种基于外极线距离变换的树型滤波立体匹配方法。本发明首先读入两幅输入图像，计算两幅图像每个像素点的初始视差矩阵，然后利用颜色分割约束生成颜色分割图像，再将外极线原理应用到颜色分割图像中，获得外极线距离变换图像，然后利用外极线距离变换图像和输入图像共同构造最小生成树结构，并计算生成树每条边的权值，然后执行树型滤波算法，获得初始视差图像，最后对初始视差图像进行视差精化。本发明方法将外极线距离引入到代价聚合的过程中，精确度高，计算量小。本发明方法可以应用于无人车导航系统中。

技术领域

本发明涉及立体视觉技术、图像处理技术和摄影原理，是一种基于外极线距离变换的树型滤波立体匹配方法。

背景技术

立体匹配是立体视觉中一个十分重要的部分。立体匹配的关键就是找出不同图像中的对应点，获得二维图像中的深度信息。凡是在需要三维重建的场景中，都需要首先进行立体匹配。立体匹配在医疗，航空，军事等多个方面都有重要的应用。立体匹配方法的核心问题是代价聚合。

近年来，许多新式的立体匹配方法被提出。这些方法可以分为在匹配窗口方面的改进和匹配权值的改进。树型滤波方法就是应用了数据结构的知识，将整幅图像作为一个图结构，在图结构中构造最小生成树结构，然后按照树结构的流向进行聚合，这种聚合方法只有周边的节点参与聚合，但是利用视差传感技术，将整幅图像都变成匹配窗口，速度很快，精度也很高。但是这种方法由于采用树结构，在分配匹配权值的时候，只和相邻接的节点连接，失去了距离信息，所以在某些特殊区域的匹配权值分配错误，影响最终结果。

总的来说，窗口和权值是立体匹配方法的重点，选择合适的窗口和分配正确的权值，对于匹配结果有着至关重要的影响。

发明内容

本发明针对现有树结构立体匹配方法权值分配方法的不足，引入外极线距离变换，构造新的树结构，重新分配权值，弥补原始算法只有单一元素参与权值计算的问题。

本发明主要由以下几个步骤构成：1、计算输入图像初始代价矩阵2、获取颜色分割图像3、获取外极线距离变换图像4、构造生成树结构5、树型滤波6、视差初始及后处理。

本发明方法的具体步骤是：

步骤(1)、计算输入图像初始代价矩阵。具体是针对每一个像素点p的每一个视差距离d，通过计算其于对应图像中的点p'颜色信息的代价值和梯度信息的代价值获得初始代价C(p,d)，具体公式如下：

C(p,d)＝ρ·C_color(p,d)+(1-ρ)·C_grad(p,d)

其中ρ是一个预定义的参数，用于调节颜色代价和梯度代价的占比。C_color(p,d)和C_grad(p,d)分别是颜色信息的代价值与梯度信息上的代价值。得到对应点在对应视差距离上的代价值后，存入初始代价矩阵。

步骤(2)、获取颜色分割图像。本发明方法采用一种新式的图像分割方法，即在预构建生成树的过程中，加入一个分割约束，公式如下：

其中，w_e是待处理的边的权重。表示含p节点的子树的边集，表示包含q节点的子树的边集合，τ是一个预定义的值，用于平衡每个区域的大小，|T_p|与|T_q|是子树的大小。将整幅图像分割成多个子树结构，然后为每个子树结构随机分配一个颜色，即获得颜色分割图像。

步骤(3)、获取外极线距离变换图像。颜色分割图像的每一个分割基本符合图像外极线的分布情况。所以，利用颜色分割图像可以简单的获得外极线距离变换图像。像素点p的外极线距离D_EDT(p)的计算公式如下：