[发明专利]一种立体匹配方法及系统

说明书

本发明公开了立体匹配方法及系统，方法包括：获取参考图像以及目标图像，确定聚合区域的视差区域；利用分块变换算法将参考图像变换为聚合参考图像，目标图像变换为聚合目标图像；分别计算图像的CENSUS特征，得到聚合参考图像与聚合目标图像的匹配代价值；分别计算各参考分块图像与对应的相同分块位置的目标分块图像的区域代价聚合；当存在匹配代价值大于区域代价聚合则重新分割区域对应的参考分块图像以及目标分块图像并计算分割后的区域代价聚合，直到匹配代价值均小于各区域代价聚合；计算各参考分块图像与对应目标分块图像中每个像素的代价聚合第一视差图像；能够有效地解决弱纹理区域误匹配的问题，计算量较小，实时性好。

技术领域

本发明涉及计算机视觉与图像处理领域，特别涉及一种立体匹配方法及系统。

背景技术

立体匹配是计算机视觉领域的重要组成部分，也是许多3D应用的核心部分。目前，立体匹配方法主要分为局部匹配方法、全局匹配方法以及半全局匹配方法等三类。其中，局部匹配方法复杂度低，运算量小，但匹配效果较差；全局的匹配方法可以获得非常好的匹配效果，但复杂度太高，不能做到实时处理；而半全局的匹配方法其匹配效果介于局部算法和全局算法之间，但其运算量仍然很大，难以应用到实时性要求较高的地方。因此，综合考虑匹配效果和实时性，许多应用选择了折中的算法。

近几年，一种基于非局部的立体匹配算法被提出来。该方法在代价聚集的过程采用最小生成树的方式进行滤波，每一个像素都利用了图像中其他所有像素进行代价的聚集，但其运算量接近局部的方法，因此受到广泛的关注。该方法在图像纹理比较丰富的区域能够获得比较好的效果，但是，该方法计算复杂、耗时长、耗内存，且在纹理较弱的区域以及室外实际场景中却难以取得理想的效果。因此，如何提升该立体匹配算法的匹配效果，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种立体匹配方法及系统，能够有效地解决弱纹理区域误匹配的问题，并在室外场景中也能取得较好的匹配效果，同时，计算量较小，实时性好。

为解决上述技术问题，本发明提供一种立体匹配方法，所述方法包括：

步骤S10、获取参考图像以及目标图像，并确定聚合区域的视差区域；

步骤S11、将所述参考图像以及所述目标图像均等分为N*N个区域，得到参考分块图像以及目标分块图像；

步骤S12、根据所述参考分块图像以及所述目标分块图像，利用分块变换算法，将所述参考图像变换为聚合参考图像，所述目标图像变换为聚合目标图像；

步骤S13、分别计算所述聚合参考图像以及所述聚合目标图像的CENSUS特征，并进行立体匹配，计算得到所述聚合参考图像的CENSUS特征与所述聚合目标图像的CENSUS特征的匹配代价值；

步骤S14、分别计算各所述参考分块图像与对应的相同分块位置的所述目标分块图像的区域代价聚合；

步骤S15、比较所述匹配代价值与各所述区域代价聚合，若存在所述匹配代价值大于区域代价聚合，则重新分割区域代价聚合小于所述匹配代价值的区域代价聚合对应的参考分块图像以及目标分块图像并计算分割后的区域代价聚合，直到所述匹配代价值均小于各区域代价聚合；

步骤S16、计算所述匹配代价值均小于各区域代价聚合时各参考分块图像与对应目标分块图像中每个像素的代价聚合，并利用WTA方法得到第一视差图像。

可选的，步骤S12包括：

制作第一空图像和第二空图像，其中，所述第一空图像中每个像素点与所述参考图像的像素点一一对应，所述第二空图像中每个像素点与所述目标图像的像素点一一对应；

计算每一个所述参考分块图像的像素值之和，并赋值给所述第一空图像中对应的像素点中，得到聚合参考图像；