[发明专利]一种NCC和Census的最小生成树航拍图像双目立体匹配方法

权利要求书

1.一种NCC和Census的最小生成树航拍图像双目立体匹配方法，其特征在于，包括以下步骤:

步骤S1：计算NCC和Census的匹配代价值：使用Sobel算子对航拍双目图像进行边缘检测获取2张边缘图，然后再进行Census变换，再对原图像进行NCC变换；最后，将这两个的匹配代价进行非线性融合获得最终的匹配代价；

步骤S2：计算代价聚合值:把图像中的每个像素值当做一个节点，上下左右相连，获得一个四连通无向图，根据权重值构建最小生成树,权重值是相邻像素点之间的灰度差，然后沿着最小生成树的路径对步骤S1获得的每一个像素点的匹配代价值进行代价聚合；

步骤S3：计算初始视差图：使用“胜者为王”算法获得初始视差图，这个算法是在视差范围内通过选择最小的聚合后的匹配代价值所对应的视差值作为最终视差值，获得初始视差图；

步骤S4：视差细化:使用左右一致性方法对初始视差图进行视差优化。

2.根据权利要求1所述的NCC和Census的最小生成树航拍图像双目立体匹配方法,其特征在于：步骤S1的具体步骤如下：

Census变换是一种非参数变换，它是将像素p和以它为中心的窗口映射为一个比特流，用该比特流作为中心像素点的Census变换码，传统的Census变换映射关系如(1)式所示：

式中：I(p)、I(q)表示像素点p、q的灰度值大小，Census变换中对应像素点的比特流由上式得到，其定义如下：

N_(p)是以像素p的变换窗口，表示将窗口内的二进制值连接成比特串；

对于在左图中像素点p以及右图中视差为d对应的像素点q,在分别得到Census变换后的比特串cen(p)和cen(p,d),基于Census变换的匹配代价即为2串比特串之间的汉明距离，则基于Census变化的匹配代价可表示为:

Ccen(p,d)＝H(cen(p),cen(p,d))                 (3)

通过Sobel算子检测出像素点的边缘信息后，会得到两张边缘图，根据边缘信息对边缘图进行Census变换，计算公式如下：

C₁(p,d)＝H(edge(p),edge(d))                        (4)

归一化互相关NCC匹配代价的计算公式如下：

式中，C₂(p,d)就是相似性的度量值，这个值越接近1，代表两个匹配窗口的相似程度越大，p点表示左图I_l的待匹配像素坐标(p_x,p_y)，d表示在右图I₂被查询像素与p点在水平方向的距离，w_p表示以p点为中心的匹配窗口；

将Census的匹配代价和NCC匹配代价非线性融合，融合后的匹配代价公式为：

C(p,d)＝p(C₁(p,d),λ₁)+p(C₂(p,d),λ₂)               (6)

p(C,λ)＝1-exp(-C(p,d)/λ)

                             (7)

C(p,d)表示视差平面d在像素点p的最终匹配代价值；λ₁、λ₂是Census变换和NCC匹配代价的控制参数；p(C,λ)是算法的鲁棒参数，这样可以将计算结果归一化。