[发明专利]一种改进的光学仿射不变双目立体匹配代价与视差优化方法

权利要求书

1.一种改进的光学仿射不变双目立体匹配代价与视差优化方法，其特征在于一种改进的光学仿射不变双目立体匹配代价与视差优化方法具体是按照以下步骤进行的：

步骤一、左右两个摄像头分别自动摄取两幅图像，左摄像头摄取的为左视图，右摄像头摄取的是右视图，假设输入图像的大小为m×n；以前行方向为参照，左侧设置左摄像头，右侧设置右摄像头；

步骤二、对步骤一中的左视图和右视图进行改进的Census变换；

步骤三、计算步骤一中的左视图和右视图的相对梯度；

步骤四、根据步骤二和步骤三的结果计算双目立体匹配代价；

步骤五、对立体匹配代价进行叠加；

步骤六、建立视差置信度；

步骤七、对图像的每一行，从1到N视差置信度传递；

步骤八、对图像的每一行，从N到1视差置信度传递；

步骤九、对图像的每一列，从1到M视差置信度传递；

步骤十、对图像的每一列，从M到1视差置信度传递；

步骤十一、得到优化后的视差图D_f；

所述步骤二中对步骤一中的左视图和右视图进行改进的Census变换；具体过程为：

(1)设置光学模型：

其中，m_b和m_s是视角不相关和视角相关的贡献权值，e代表光照强度，b代表表面反射率，α代表漫射光；

(2)传统的Census变换定义为中心像素p与其邻域内的像素q∈N(p)的比较，然而改进的Census变换是基于相对梯度的：

其中，代表以p为中心的3×3区域内相对梯度RG(x,y)的平均值，N(p)代表像素p的一个邻域，q为q(x,y),p为p(x,y)；T(p,q)为Census变换，RG(q)为像素q的相对梯度，相对梯度运算公式为：

RG(x,y)＝G(x,y)/(1+G_max(x,y))

其中，RG(x,y)是像素p(x,y)的相对梯度，G_max(x,y)是以像素p(x,y)为中心的3×3区域内梯度G(x,y)的最大值；

G_max(x,y)＝max(|G(x+u,y+v)|),-1≤u≤1,-1≤v≤1。

2.根据权利要求1所述一种改进的光学仿射不变双目立体匹配代价与视差优化方法，其特征在于：所述步骤四中根据步骤二和步骤三的结果计算双目立体匹配代价；具体过程为：

(3)将(2)的结果T(p,q)串接形成位串其中代表串接操作，在执行(4)匹配代价计算之前，左和右视图各执行一次以上步骤的操作，然后执行(4)；

(4)最后Census变换代价C_CT(p,d)通过左视图中像素p和右视图中像素p-d的位串的汉明距离给出；

其中，C_l和C_r分别代表经过步骤(1-3)变换后的左右图像，d代表某一个视差值；C_CT(p,d)为Census变换代价；

(5)然后，结合步骤(1-4)，最终的双目立体匹配代价如下：

C_RGCT(p,d)＝ρ(C_CT(p,d)/L_CT,λ_CT)+ρ(C_rg(p,d),λ_rg)

其中，C_RGCT(p,d)为相对梯度Census变换的代价，ρ为自定义的非线性函数，它的参数有两个为ρ(c,λ)，λ_CT为Census变换的参数，λ_rg为相对梯度的参数，L_CT代表位串的长度(本发明中L_CT＝9)，C_rg是像素p和p-d的左视图RG_l(p)和右视图RG_r(p-d)相对梯度图像的绝对差值；

C_rg(p,d)＝|RG_l(p)-RG_r(p-d)|。