[发明专利]一种基于稀疏表示的立体测距方法

说明书

技术领域

本发明涉及立体测距方法，特别涉及一种基于稀疏表示的立体测距方法。

背景技术

随着数字成像技术的不断发展，如何高效率地分解、表示图像信息成了图像处理过程中的重要环节。常用的信号分解变换是选取一组完备的正交基，并对信号进行投影和分解。经典的Fourier分解及其变种DCT分解、短时Fourier变换、小波变换等都在图像处理中有着重要应用。考虑到正交分解有一定局限性，近年来不少学者致力于非正交分解的研究。信号稀疏分解(Sparse decomposition)这一崭新的研究方向就是Mallat和Zhang在小波分析的基础上提出信号在过完备库上分解的思想后逐渐形成的。

信号的稀疏表示不同于传统的正交分解，它可以实现对信号更加灵活、简洁和自适应的表示。通过信号在过完备原子库(over-complete dictionary of atoms)上的分解，用来表示信号的基可以自适应地根据信号本身的时频特性灵活选取。最终得到信号的一个非常简洁的表达，即稀疏表示(Sparse representation)。得到信号稀疏表示的过程称为信号稀疏分解。

针对不同的应用范围，前人提出了一系列的信号稀疏表示理论，如Wavelet、Ridgelet、Curvelet、Brushlet、Wedgelet、Beamlet、Contourlet、Bandlet、Garbor等。这些理论都是基于标准形式的原子，利用少数较大系数描绘原信号，即能够用几个较大的稀疏系数来逼近原信号。缺少针对性的同时又给计算带来较大复杂度，时间消耗也较大。

发明内容

本发明的目的是克服现有技术的不足，提供种基于稀疏表示的立体测距方法。

基于稀疏表示的立体测距方法的步骤如下

1)图像预处理

对两摄像机的光轴进行平行和等高标定，采用张正友标定法，得到基线、焦距、径向畸变参数、切向畸变参数、光心成像坐标、旋转变换矩阵、平移变换矩阵这些摄像机内外参数，并对图像进行极限校正，对校正后的图像进行目标检测，提取图像中感兴趣的目标；

2)增强目标特征

根据目标检测结果对目标区域进行直方图均衡化，对直方图均衡化后的区域进行边缘检测，提取目标区域部分图像的高频特征，将目标检测结果和边缘检测结果进行加权融合，保留目标的高、低频信息，滤除光照和摄像机特性引起的图像噪声影响；

3)整像素视差的求取

针对上述融合图，将左右视图在垂直方向上对像素灰度值进行累加，得到两个空间域上的一维信号sig1和sig2；针对这两个信号，做类似于互相关算法的运算，经全局匹配，得到最佳Δn，满足最大化E[Δn]＝∑sig2[n+Δn]×sig1[n]，Δn即为整像素视差Dis；

4)建立过完备原子库

根据整像素视差Dis，将一维信号sig1进行平移得sig1′[n]＝sig1[n-Δn]；此时的sig1′和一维信号sig2在理想情况下只相差亚像素级的视差，即sig1′[n]＝sig1′(nT)＝sig2(nT-Δt)，|Δt|＜T，其中T是信号采样间隔；分别对sig1′和一维信号sig2进行FFT变换把空间域一维信号变换成频域的幅频信号和相频信号，

令SIG₁＝FFT(sig1′)，SIG₂＝FFT(sig2)，则有

SIG₁(e^jω)＝e^-jωΔt/T×SIG₂(e^jω)，|ω|＜π，|Δt|＜T

由上式可得：|SIG₁(e^jω)|＝|SIG₂(e^jω)|，

，|Δt|＜T，

令左右一维信号的相频特性分别为φsig1和φsig2；

让空间域一维信号sig2通过一组数字分数延时器，延时器的频率响应如下：

H_d(jω)＝e^-jωiΔt/T，|ω|＜π，N_t×Δt＝T，-N_t/2≤i＜N_t/2

得到一系列响应，取FFT变换后的相频信号为过完备原子库的原子：