[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

摘要

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。

主权项

1.一种基于外极线距离变换的树型滤波立体匹配方法，其特征在于该方法的具体步骤是：步骤(1)、计算输入图像初始代价矩阵；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·Ccolor(p,d)+(1‑ρ)·Cgrad(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；Ccolor(p,d)和Cgrad(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；采用一种图像分割方法，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DEDT(p)的计算公式如下：其中，Dl（p）是像素点p所在的极线的长度，Ol(p)是p所在的极线的起点位置，|Ol(p)‑p|即p到极线起点的距离；在得到像素点的外极线距离后，将一个对应的灰度值赋予对应的像素点；步骤(4)、构造生成树结构；利用生成树结构模拟图像的结构，将图像视作一幅图G＝(V,E)，V是图像的点集，即像素点，E则是图的边集，边的权值即图像中相邻像素点之间的关系；首先将边集按照升序排序，权值最小的边即对应的两个相邻节点最相近，然后从权值小的边开始连接节点，直到所有的节点都完成连接，最小生成树的构建完成；利用原图和外极线距离变换图像共同构造生成树，计算边的权值；步骤(5)、树型滤波聚合；按照生成树结构流向执行滤波算法，即滤波从根节点一直向叶子节点进行，然后再从叶子节点返回根节点；经过这样的两次滤波，每个节点只和相邻节点直接聚合；步骤(6)、视差初始及后处理；视差初始是利用WTA方法，从经过聚合的代价矩阵中筛选出每个像素点p代价值最低的最佳视差d，具体公式如下：其中Dinit(p)即像素点p的初始视差值；disprange是最佳视差d的取值范围；在获得初始视差结果之后，再根据左右一致性检测筛选出视差图中的遮挡点以及误匹配点，将这些点的代价值清零，然后引入全新的代价，进行新一轮的代价聚合，获得最新的视差；新的代价公式如下：获得新的代价矩阵之后，再一次执行树型滤波及WTA方法，获得改进后的稠密视差图，从而完成立体匹配。