[发明专利]一种基于块匹配建立数学模型的视差预测方法

说明书

技术领域

本发明涉及一种基于块匹配建立数学模型的视差预测方法，属于立体视频视差预测技术领域。

背景技术

随着科技的发展，与立体视频相关的技术不断成熟，人们对立体视频的需求也不断增长。与传统的平面视频处理技术相比，立体视频具有巨大的图像数据处理量、存储量、传输量，因此其算法和系统设计都非常复杂。人类的大脑具有能够将双眼获得的图像信息加以处理，形成真实的三维立体实体的能力。随着人们对立体视频显示的需求，立体视频编、解码算法及显示技术得到迅速发展。

在目前的绝大多数的立体视频处理领域，深度信息的获取已成为能否得到较为精确地视频的关键技术所在。当今深度信息的获取主要采用基于双目视觉的三维摄像机实现。这种摄像机由两个参数完全一致的摄像头组成，通过两个摄像头来获得不同视角的两幅图像。这两幅图像间存在大量的空间冗余信息，为了减小图像的数据处理量及传输量，通常需要将两幅图像中的视差矢量转换为深度信息进行存储。所以能否准确地得到深度信息依赖于有效的获取视差信息。

在各种运动预测及视差预测方法中，块匹配法由于其原理简单、便于实现等优点得到了普遍应用，被许多视频编码标准所采用，在理论研究和实践应用中得到了不断的发展和完善，成为数字视频技术的一个研究热点。其相关快速算法也得到了广泛的研究和发展。如今基于块匹配的运动预测和视差预测主要集中于块的形状和大小、块匹配准则和搜索策略。搜索策略是否恰当对预测的准确性和速度都有很大影响。有关搜索策略的研究主要是解决预测中存在的运算复杂度和搜索精确度这一矛盾。目前的搜索方法主要有：全搜索法(FS)、二维对数法(TDL)、三步法(TSS)、交叉法(CS)、新三步法(NTSS)、四步法(FSS)、菱形法(DS)和运动场自适应搜索算法等。

视差预测与运动预测的目的是一致的，都是为了寻求两幅对应图像之间像素或块的匹配程度。运动预测的两幅图像是由同一摄像机在不同时刻摄取的，而视差预测图像对是由两个摄像机在相同时刻摄取的。视差预测与运动预测的不同之处在于：

(1)对于立体视频图像，由于是处于同一平面的多摄像机同时摄入，几乎所有像素的视差均非零，视差预测时需要处理的信息量巨大，如何提高算法的运算速率成为需要解决的一个难题。

(2)在以往的运动预测算法中，运动矢量的范围通常受到限制。而在多视角视频中，越靠近摄像机的物体视差矢量越大，处理起来难度越高，如何有效的计算得到大视差情况下的视差矢量是视差预测中需要解决的另一难题。

(3)如果简单的使用运动预测方法对视差进行预测，由于视差场极大，所以必须扩大搜索范围，不可避免的会增加搜索难度，降低预测精度。如何有效的利用视差场的规律，减小搜索范围也是一个难题。

由于视差预测的特殊性，已有的算法并不能很好的解决上述问题，因此有必要提出一种新型的视差预测模型，能够降低计算的复杂度，并提高搜索效率及搜索的准确性。

发明内容

针对现有技术的不足，本发明提出一种基于块匹配建立数学模型的视差预测方法。

立体视频图像是由处于同一平面上的多个摄像机同时摄像得到的同一物体的视频图像序列。在同一时刻，摄像机所摄取的图像对的像素之间几乎均存在视差，只有无限远处的物体对应的像素之间视差为零，而且在正常情况下图像对中对应的像素之间的视差只有水平分量，若摄像机之间发生相对抖动，则所产生的图像对的对应像素之间的视差将产生垂直分量。

运动预测与视差预测以寻求两幅图像之间的相关性为目的以往的运动预测算法中，运动矢量的范围通常是有限的，若将运动预测算法应用于视差预测中，可能无法有效解决视差场中大视差的问题，且对于正常情况下只有水平方向的视差矢量，运动预测算法的计算复杂度较高，搜索效率将会大大降低。所以，运动预测算法并不能很好地适用于视差预测。

针对正常情况下视差矢量只含有水平分量的情况，本发明给出一种十字搜索算法，能够很好的解决视差矢量预测过程中大视差的情况，同时对于由摄像系统抖动所引起的视差矢量偏差给予一定的纠正。

本发明的目的通过以下技术方案实现：

一种基于块匹配建立数学模型的视差预测方法，包括以下步骤：

步骤一：存储器读入同一时间由两摄像机分别摄取的图像P₁、P₂的灰度信息值；

步骤二：建立水平方向视差预测搜索数学模型：

G(k，0)＝min{G(i，0)}，i、k∈[0，W]，