[发明专利]一种基于迭代指导滤波的立体匹配方法

说明书

技术领域

本发明涉及计算机视觉、航空摄影测量及工业自动化领域，具体涉及一种基于迭代指导滤波的立体匹配方法。

背景技术

立体匹配是计算机视觉领域中的一个热点问题，它利用同一场景的两幅或者多幅图像抽取场景的三维信息。目前为止，已经提出了大量的立体匹配方法解决立体对应问题，这些立体匹配方法根据视差选择方式不同可大致分为：局部立体匹配方法和全局立体匹配方法。局部立体匹配方法是利用“胜者全取”方法选择视差，而全局立体匹配方法则是通过全局优化方法选择视差。这些立体匹配方法最终都是通过最小化匹配成本选择视差，因此定义和计算匹配成本是局部及全局立体匹配方法的关键所在。匹配成本的好坏直接影响立体匹配方法的匹配精度，匹配成本的一般计算方法是通过在一个预定义支撑区域内累积原始匹配成本即成本累积。成本累积主要包含两类：一类是基于自适应窗口成本累积方法，另一类是基于自适应权重成本累积方法。基于自适应窗口成本累积方法的主要原理是为每一点选择一个合适的支撑窗口，尽量保证窗口内所有像素点的视差都等于待匹配点的视差，即保证支撑窗口内的局部场景符合“前视平坦”假设。如果当支撑窗口内像素点的视差存在较大变化时，则会导致立体匹配方法产生“粘合”现象。这种现象多发生在物体边界处，这是因为在物体边界处的支撑窗口经常包含了不同视差。基于自适应权重成本累积方法的主要思想是根据指导图像为支撑窗口内的像素点计算权重信息，然后根据其相应的权重信息累积原始匹配成本。该方法可以有效解决立体匹配当中的“粘合”现象及匹配不确定性问题，其匹配准确率接近于全局立体匹配方法，但是该方法的时间复杂度过高。

Yoon K J等人在2006年提出一种基于自适应权重的立体匹配方法，该方法利用双边滤波器累积原始匹配成本，然后通过“胜者全取”方法计算视差值。该方法可以获得高精度的视差图，但是该方法的时间复杂度较高，之后人们陆续提出一些改进措施降低了该方法的时间复杂度。由于基于自适应权重的立体匹配方法具有较高的匹配精度，因此该类方法已成为当前立体匹配研究领域中的一个热点问题。He Kaiming在2010年提出一种指导图像滤波，该方法根据指导图像内容计算滤波输出，指导滤波是一种边保护滤波，它类似于双边滤波，但该方法在边缘附近有更好的效果，而且该方法接近于线性时间复杂度，独立于滤波核大小。Hosni A等人在2011年利用He Kaiming提出的指导滤波设计一种基于指导滤波的立体匹配方法，该方法的立体匹配效果优于Yoon K J等人提出的基于自适应权重的立体匹配方法，而且该方法具有线性时间复杂度，累积过程独立于支撑窗口大小。但是由于该方法利用指导滤波计算匹配成本时采用的是固定窗口，因此该方法在物体边界处存在一些“粘合”现象。

发明内容

本发明的目的在于提供一种更有效提高视差图质量，具有更快的匹配速度的基于迭代指导滤波的立体匹配方法。

本发明的目的是这样实现的：

（1）计算原始匹配成本：

构成三维视差空间图c(x,y,d)

c(x,y,d)＝(1-α)·min(‖I_L(x,y)-I_R(x-d,y)‖,τ₁)+α·min(‖▽_xI_L(x,y)-▽_xI_R(x-d,y)_i‖,τ₂)

式中，I_L(x,y)表示参考图像中(x,y)点的灰度值，I_R(x,y)表示匹配图像中(x,y)点的灰度值，α(＜＝1)表示权重比，d表示视差，▽_x(·)表示函数在x方向的梯度变化，τ₁和τ₂分别表示灰度和梯度截断阈值；

（2）根据指导图像的灰度变化为每一待匹配点确定支撑窗口大小：

其中，表示(x,y)点的最优支撑窗口大小，W表示窗口选择范围，λ表示预定义灰度变化阈值，E_w(I_L(x,y))表示I_L在支撑窗口w内的均值，