[发明专利]基于联合相似性测度和自适应支持权重的立体匹配方法

说明书

技术领域

    本发明涉及计算机视觉领域的立体匹配方法，尤其是一种基于联合相似性测度和自适应支持权重的立体匹配方法。

背景技术

双目立体视觉是计算机视觉的一个重要分支，通过两个不同位置的相机获得同一场景的左右视图，求取场景中每个物点在左右视图中对应的像点，并获得两个像点之间的位置差，即视差。求取左右视图中对应的像点称为立体匹配，立体匹配是双目立体视觉的核心，也是难点。

目前的立体匹配算法主要分为两类：基于全局和基于局部的立体匹配算法。基于全局的立体匹配算法主要有动态规划、图割、模拟退火和可信度传播等，基于局部的立体匹配算法主要是利用对应点的邻域像素点的局部信息来进行匹配计算。近年来又出现了一种基于上述两者折中的算法，即基于半全局的立体匹配算法。基于全局和基于半全局的立体匹配算法一般能获得精度较高的视差图，但相应的参数设置较难而且复杂度较高，实时性不强。而基于局部的立体匹配算法在高纹理区域能够很快得到视差图，计算复杂度较低，具有很强的实时性，但在弱纹理区、重复纹理区以及视差不连续区的匹配精度不是很高，因此，很多学者针对基于局部的立体匹配算法进行了深入研究。

目前，大多数相似性测度算法都是基于像素点的亮度值，即左右视图中的对应点应该具有相同的亮度值。由于在不同的光照、不同的视点、还有噪声的作用下，对应的像素点的亮度值并不总是相等，很难将每个像素与其邻域像素区分开来，因此仅仅依赖于像素的亮度值就会出现误匹配。针对这种问题，提出了本发明。

发明内容

本发明的目的在于提供一种基于联合相似性测度和自适应支持权重的立体匹配方法，针对横向平行配置的双目立体图像对时，通过快速准确地重建其视差图来实现高精度的立体匹配，从而求取目标物体的深度信息。

为此，本发明将像素的亮度值和梯度结合起来（称为联合相似性测度）作为相似性测度，在立体匹配代价计数统计中，利用不依赖于滤波器大小的快速导向滤波器作为支持域中像素的自适应支持权重，采用胜者全选的WTA原则选择每个像素的视差值，经过左右一致性检查和后处理后进一步通过双目立体视觉方法求得目标物体的深度值。本发明与其他的基于局部的立体匹配算法相比，其误匹配百分比有所减少，同时可以快速得到较正确的匹配结果。

本发明的基于联合相似性测度和自适应支持权重的立体匹配方法，提供的具体技术方案如下：

（1）将得到的左右视图通过校正算法校正，得到左右视图的匹配点位于同一扫描线上的标准视图；

（2）利用局部的基于联合相似性测度进行立体匹配代价计算，得到初始的基于像素的匹配代价；

（3）利用自适应支持权重算法，为支持域中的每个像素设置支持权重，利用导向滤波器进行过滤得到平滑的基于支持域窗口的匹配代价；

（4）利用WTA原则选择匹配代价取最小值时的视差值为该像素的视差值；

（5）进行左右一致性检查，并将无效的视差值替换为同一扫描线上的距离该像素最近的最小的有效视差值，对替换后的视差值区域进行过滤，得到平滑的视差图；

（6）通过双目立体视觉方法求得目标物体的深度值。

所述的步骤（2）中利用局部的基于联合相似性测度计算立体匹配代价的公式如下：

式中，是像素p当视差为d时左右两点三个颜色通道亮度差绝对值的平均值，是亮度截断值，是三个颜色通道梯度差绝对值的平均值，包括梯度幅值和相角两部分，是梯度截断值，为权重。

所述的步骤（3）中利用自适应支持权重算法计算基于支持域窗口的匹配代价的公式如下：

其中，像素q为像素p支持域内的其它任一像素，为支持权重，I为导向滤波器中的导向图像，一般是指参考图像。

所述的步骤（5）中对替换后的视差值区域采用双边滤波器进行过滤。

所述的步骤（6）中通过双目立体视觉方法求解目标物体的深度值所采用的公式如下：

其中f为焦距，B为基线距离，d为视差值。

与现有其他立体匹配技术相比，本发明有如下优势：

（1）采用像素的亮度值和梯度结合起来作为联合相似性测度来计算匹配代价，使得计算结果不会对立体图像对的亮度、噪声、光照等太敏感，降低了误匹配率，提高了视差图的精确性。

（2）匹配代价计数统计采用导向滤波器，过滤速度更快，精确性也有所提高。

（3）本发明中提供的实现方法简单易行，并且能够获得精度较高的深度信息。

附图说明