[发明专利]基于彩色分割和像素显著性估计的视差估计方法

说明书

技术领域

本发明涉及一种计算机视觉领域的方法，特别是一种可应用于立体视频编码、立体图像分割、机器人视觉等应用场合中的基于彩色分割和像素显著性估计的视差估计方法。

背景技术

视差信息是进行立体图像处理的基础。视差估计技术是近年来计算机视觉领域研究的热点，在机器人视觉、医学、军事、航空等各方面都有着非常广泛的应用前景。视差估计的算法可以分为全局法和局部法两大类。一般来说，全局法匹配结果精确，但是计算复杂度很高；而局部法计算复杂度较低，但是匹配精确度也较低。近年来，随着视差估计算法的进一步发展，在增加少量计算复杂度的基础上，局部法的匹配精度不断得到提高。经过对现有技术文献的检索发现，在精度较高的局部法中，Yoon和Kweon于2006年在IEEE Transactions onPattern Analysis and Machine Intelligence(vol.28，No.4)上发表的“Adaptivesupport-weight approach for correspondence search”中提出的自适应彩色权重法得到了广泛的应用。传统的视差估计局部算法采用视差匹配窗口大小根据图像内容自适应变化的视差匹配窗，由于很难准确进行窗口大小的调整，因此视差匹配的精度较低。区别于传统的视差估计局部算法，自适应彩色权重法采用大小固定的视差匹配窗，根据视差匹配窗内各点之间的相关性来调整匹配窗内各点的权重，提高了视差匹配的精度。但在物体边缘区域、遮挡区域和同质区域，视差匹配的精度仍然较低。2007年10月，Yoon和Kweon在IEEEInternational Conference on Computer Vision上发表的“Stereo Matching with theDistinctive Similarity Measure”提出的基于自适应权重的DSM视差估计算法进一步提高了视差匹配的精度。DSM视差估计算法引入了图像各像素的显著性的概念，利用像素点的显著性和左右图像像素的相似性进行视差匹配。像素点的显著性表示了该像素点在图像中区别于其他像素点的特性，左右图像像素的相似性则表示了这两个像素匹配的程度。左右图像中的两个像素点越相似，各自的显著性越强，则越有可能是匹配像素。像素点的显著性与相似性根据自适应彩色权重法进行计算。这种方法具有较高的匹配精度。然而，由于采用自适应彩色权重法进行显著性和相似性的计算，在图像的边缘区域和同质区域，算法的匹配精度仍然较低。此外，由于需要进行自适应权重计算，并额外引入了像素显著性分析步骤，整个算法复杂度被提高，算法所需要的运行时间大大增加。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于彩色分割和像素显著性估计的快速视差估计方法。该方法利用彩色分割得到的彩色区域信息来提高视差估计的精度及效率。

本发明是通过以下技术方案实现的：本发明将彩色分割与DSM视差估计算法结合起来。一方面，在像素显著性估计过程中我们引入一种基于彩色区域信息的像素显著性估计方法，和彩色权重方法相比，这种方法能够有效利用彩色分割所得到的物体边缘信息，提高物体边缘区域以及图像遮挡区域像素的显著性估计准确度，从而提高视差估计的匹配精度；另一方面，由于同一彩色区域的像素视差有很强的相关性，该方法利用这种相关性来减少视差匹配的搜索范围，从而提高算法的运行效率。

本发明所述的利用彩色分割信息进行的视差匹配方法，实现步骤如下：

1)采用Mean-Shift算法分别对左右视图像进行彩色分割，得到图像的彩色区域信息。

2)结合彩色分割的结果计算左右视图像像素点各自的显著性以及左右图像相关像素点的相似性。

3)利用彩色分割得到的彩色区域信息确定当前待匹配像素点的初始视差值以及视差匹配搜索范围。

4)根据像素点的显著性和相似性，计算得到每一个像素点的代价函数，并对当前待匹配像素点匹配窗内所有像素的代价函数进行聚合。采用Win-Take-All策略，在像素点的视差匹配搜索范围内寻找使聚合后的代价函数最小的视差值，作为当前待匹配像素的视差。