[发明专利]图像立体匹配中的一种误匹配点剔除方法

说明书

技术领域

本发明涉及数字图像处理技术，具体的说，是一种对图像匹配过程中产生的误匹配点，特别是对图像立体匹配中产生的误匹配点进行剔除的方法。

背景技术

3D显示在军事上和国民经济发展中具有重要的战略意义和拥有上万亿元的商业前景。如今，3D产业突飞猛进的发展，其中眼镜式3D电视已成为高端产品走进了千家万户。然而现在影响3D显示发展的一个重要原因是3D图像片源的缺乏。为提高3D图像片源的制作效率，降低制作成本，2D图像转3D图像是制作3D图像片源一个重要途径。

在2D图像转3D图像中，一个重要过程是图像立体匹配。无论采用哪种匹配方法，由于图像的光照、几何形变、噪声、运动和遮挡等因素的变化影响，使得图像立体匹配结果中总会存在一定的误匹配点，这样降低了匹配的精度，导致计算得到较多错误视差。因此，如何有效剔除误匹配点是图像立体匹配过程中一个非常重要的部分。目前常用的剔除误匹配点方法为随机采样一致性（Random Samples Consensus，RANSAC）方法，该方法是通过多次迭代从一组包含异常数据的样本数据集中，估计模型参数来拟合模型的迭代方法，具有较好的鲁棒性。RANSAC方法已经广泛应用在误匹配点剔除中，而且取得了较好的效果。从RANSAC方法原理上看，存在一个缺点是：计算的迭代次数没有上限，如果设置迭代次数的上限，得到的结果可能不是最优的结果，甚至可能是错误的结果，RANSAC方法只有一定的概率得到可信的模型，概率与迭代次数成正比。对于立体匹配的图像，RANSAC方法还存在一个缺点是：其对所有给定的匹配点采用同一个变换模型进行一致性检测，对于复杂的图像，很难使用同一个变换模型来拟合这些匹配点，从而会导致RANSAC方法剔除了部分正确的匹配点，保留了部分错误的匹配点。因此，RANSAC方法不适用于复杂深度场景的图像立体匹配的误匹配点剔除。

发明内容

本发明针对复杂深度场景的图像立体匹配中误匹配点剔除问题，结合颜色分割，提出一种高效的误匹配点剔除方法。本发明的基本思路为：把颜色相近的像素归入一个深度模型，通过颜色分割将待匹配图像划分成多个块以对应不同的深度模型，根据分割的结果，在每个分割块内找出差异大的匹配点作为误匹配点进行剔除，以得到更为正确的匹配点。

实现本发明的总技术方案流程如图1所示，实现步骤按顺序如下：

步骤（1），颜色分割：选取视差图像对中的任意一幅分别进行颜色分割，将颜色相近的像素分割归入同一分割块；

步骤（2），以分割块为组，选出待匹配点：以上一步得到的分割块为组，结合Harris算子计算组内每个像素的角点响应函数R(x,y)，按像素点的R(x,y)值大小进行排序，选出R(x,y)最大的前n个对应的像素作为待匹配点；

步骤（3），图像立体匹配：选择一种区域立体匹配方法，将上一步选出的待匹配点进行立体匹配得到初匹配点；

步骤（4），剔除误匹配点：组内剔除误匹配点。

进一步地，所述的步骤（2）具体包括以下步骤：

以步骤（1）得到的分割块为组，计算一组内所有像素的角点响应函数R(x,y)，首先生成一个大小为3*3高斯窗口函数w_x,y；对每个像素计算其对应的M矩阵：

其中I_x 为x方向的差分，I_y为y方向的差分；通过M矩阵的行列式值det(M)和迹trace(M)，计算组内中各像素点对应的角点响应函数值R(x,y)，R(x,y)=det(M) / (trace(M))²；按像素点的R(x,y)值大小进行排序，选出R(x,y)最大的前n个值对应的像素作为待匹配点。

进一步地，所述的步骤（4）的技术方案如图2所示，按顺序具体包括：步骤（4.1）、步骤（4.2）和步骤（4.3）：

步骤（4.1），将步骤（3）得到的初匹配点对按分割块分组；