[发明专利]一种基于超像素分割的视差修正方法

说明书

本发明提供了一种基于超像素分割的视差修正方法，针对校正后的双目相机拍摄的左右图像，根据像素亮度值，对左右图像分别进行超像素块分割；针对无纹理区域误匹配的问题，对平坦区域超像素块标记不稳定超像素块；根据相邻超像素块越相近的区域的视差越接近，来修正不稳定超像素块的视差。该方法针对局部立体算法前景膨胀的问题，基于超像素分割，根据相邻超像素块越相似的区域的视差越接近，来修正错误匹配的区域，生成视差图速度快，精度高。

技术领域

本发明涉及一种视差修正方法，特别是涉及一种适用于基于超像素分割的视差修正方法。

背景技术

目前大部分立体匹配算法都包括四个步骤：(1)代价计算，(2)代价聚合，(3)视差计算和优化，(4)视差求精。总体来说，立体匹配算法可以分为两类：局部立体匹配算法和全局立体匹配算法。局部立体匹配算法利用一个窗口内的颜色或灰度信息来确定每个点的视差值。而全局立体匹配算法基于平滑性假设，并且利用能量最小化技术同时确定所有点的视差值。

全局立体匹配算法利用图像的平滑项和数据项两项约束项求解整体能量的最小值。能够很好的解决低纹理区域的误匹配现象。全局立体匹配算法的代表有图割法、动态规划算法、置信度传播算法等。但是算法运算量大，不适合实时系统。

局部立体匹配算法由于每个点仅仅依赖局部信息，通过计算匹配窗口内的总匹配代价，利用WTA策略找到最小的匹配代价，来确定视差。若采用固定的小尺寸窗口可以保留纹理和边缘信息，但视差图噪声比较大；而采用固定的大尺寸窗口可对局部的匹配进行平滑，在深度不连续区域产生前景膨胀效应，视差图模糊，边缘的效果很差。局部立体匹配算法的代表有像素差的绝对值(SAD)、自适应窗口算法、自适应权重算法等。虽然局部立体匹配算法精度不如全局立体匹配算法，但算法运算量小，适合实时系统。

传统的局部视差修正方法：自适应权重算法利用局部自适应支持权重计算该中心像素和属于同一区域相邻的像素的概率。由于其复杂度取决于匹配窗口的大小，与窗口的大小成平方关系，自适应窗口速度慢，不能满足实时性的要求；固定窗口的立体匹配算法虽然运算速度快，但在低纹理区域处理效果不好，容易出现前景膨胀效应。

目前，局部立体匹配算法的实时性相对于全局立体匹配算法要高。在局部立体匹配算法中，固定窗口的立体匹配算法虽然算法复杂度低，但存在前景膨胀，深度不连续区域视差效果差的问题，而自适应窗口和自适应权重的立体匹配算法虽然大大减少了深度不连续区域的误匹配，但是复杂度高，不适合实时性要求高的场合。

发明内容

本发明要解决的技术问题是提供一种基于超像素分割的视差修正方法，该方法针对局部立体算法前景膨胀的问题，基于超像素分割，而不基于固定的窗口，根据相邻超像素块越相似的区域的视差越接近，来修正错误匹配的区域。

本发明采用的技术方案如下：一种基于超像素分割的视差修正方法，其特征在于，针对校正后的双目相机拍摄的左右图像，根据像素亮度值，对左右图像分别进行超像素块分割；针对无纹理区域误匹配的问题，对平坦区域超像素块标记不稳定超像素块；根据相邻超像素块越相近的区域的视差越接近，来修正不稳定超像素块的视差。

针对校正后的双目相机拍摄的左右图像，根据像素亮度值，对左右图像分别进行SLIC(simple linear iterative cluster)超像素块分割。图像被分为若干个超像素块，且每个超像素块内的像素颜色相似，距离相近。校正是对双目相机输出的图像校正，双目相机参数是通过双目相机标定获得，这个相机参数主要是双目相机镜头和左右相机的相对位置。这个参数标定完成后，是不变的，所以对所有校正所用的参数都不会改变。

具体方法步骤为：

S1、针对校正后的双目相机拍摄的左右图像，根据像素亮度值，对左右图像分别进行超像素块分割；

S2、对超像素块分割后的输入图像的块分别计算梯度，将梯度和亮度作为计算视差的匹配代价；