[发明专利]一种基于多尺度变换与ADCensus-JWGF的机电设备视觉信息立体匹配算法

权利要求书

1.本发明涉及一种基于多尺度变换与ADCensus-JWGF的机电设备视觉信息立体匹配算法，其特征在于：确定Census变换过程，确定Census匹配代价，确定AD匹配代价，确定融合匹配代价，确定各尺度空间下图像代价聚合，确定滤波图核函数，确定最小代价聚合视差值，确定JWGF结果，具体包括以下八个步骤：

步骤一：确定Census变换过程，变换表达式如下所示；

式中，q是变换窗口内各邻域像素点灰度值，p是变换窗口内中心像素点的灰度值，在变换过程中，在变换窗口内，将中心像素的灰度值与邻域像素灰度值依次进行比较，若中心像素灰度值大于等于邻域像素灰度值，则记为1，否则，记为0；

之后，计算每个中心像素点对应的二进制比特串Str(x,y)；

式中，Str(x,y)为变换窗口内中心像素点对应的二进制比特串，为二进制比特串的串联符，l和r分别为变换窗口大小的二分之一，I(x,y)表示坐标为(x,y)的中心点的像素值，I(x+i,y+j)为坐标处一定距离内的坐标像素点；

步骤二：确定匹配代价C_Census(x,y,d)；

计算完两幅图上所有的像素点二进制比特串，对应的比特串进行汉明距离；

C_Census＝Ham(Str_L(x,y),Str_R(x+d,y))；

式中，Str_L(x,y)为参考图像待匹配点的二进制比特串，Str_R为目标图像最大视差范围内像素点的二进制比特串，d为最大视差搜索范围；

步骤三：确定匹配代价C_AD(x,y,d)；

式中，Ω是左图像中像素(x,y)邻域，I_l(r,c)为左图像在(r,c)处灰度值，I_r(r,c-d)为右图像中视差为d的待匹配点的灰度值；

步骤四：确定匹配代价C(p,d)；

C(p,d)＝ρ(C_Census(p,d),λ_Census)+ρ(C_AD(p,d),λ_AD)；

式中，λ_Census、λ_AD为根据经验得到的常值参数，利用上述公式，将两种匹配函数归一化[0,1]区间内，之后进行求和；

步骤五：确定各尺度空间下图像代价聚合

式中，为代价聚合过程中的中间输出值，为归一化常数，其中i^s和j^s为在S尺度下的两个像素点，C^s(j^s,l^s)为在S尺度下的代价，l为视差等级，为在尺度S上的像素点i的邻域，K(i^s,j^s)为衡量i^s和j^s的相似核，λ为控制正则化强度的参数；

步骤六：确定滤波图核函数W_ij；

对每层尺度空间下采用引导滤波进行代价聚合，采用引导图滤波函数，保证输出图像的边缘与引导图像边缘保持一致，将引导图滤波函数应用到每个尺度下的代价聚合阶段；

式中，i和j为输入图像I的像素索引，μ_k和分别为I在w_k内的均值和方差，w为窗口内像素个数，ε为控制参数，用来控制滤波效果强弱；

步骤七：确定最小代价聚合视差值d_p；

采用赢者通吃法(WTA)在多尺度空间下代价聚合下最小视差值，计算过程如下；

式中，S_d＝{d_min,…,d_max}为可能的所有视差值，C(p,d)为视差值为d时的匹配代价值；

步骤八：确定JWGF结果JWGF(I_d)；

式中，I_d是最终视差图，W_ij为滤波核函数。