[发明专利]一种基于改进的自适应加权和置信度传播的视差估计方法

摘要

一种基于改进的自适应加权和置信度传播的视差估计方法，属于计算机立体视觉技术领域。本发明为了解决现有的匹配算法计算的视差在遮挡区域、深度不连续区域匹配精度低；高精度匹配算法的计算量大，可实施性差；基于分割的细化方法视差平面评估不准确的问题。本发明的技术要点为利用加权等级变换方法计算匹配像素间的相关值；通过改进的自适应加权方法对遮挡像素进行重新匹配；利用改进的置信度传播算法对视差图进行全局优化；利用细化模块对视差图进行精细化；再次利用改进的置信度传播算法和相关值和视差图进行全局优化。本发明可应用于立体图像分割、立体视频编码、机器人视觉，目标跟踪等领域。

主权项

一种基于改进的自适应加权和置信度传播的视差估计方法，其特征在于所述方法是按照以下步骤实现的：步骤一、利用加权等级变换方法计算匹配像素间的相关值CL；步骤二、利用左右一致性检测方法检测图像中的遮挡像素，并通过改进的自适应加权方法对遮挡像素进行重新匹配，生成初始视差图D1和初始相关值C1；其中，自适应加权方法的改进过程如下：假设f(x,y)代表参考图像中某一点，f(x+i,y+j)代表以像素f(x,y)为中心的匹配窗口内的像素，窗口内像素权重的计算如公式(1)所示：Wx,yf(i,j)=exp(-(ΔCx,yf(i,j)βaw+ΔGx,yf(i,j)γaw))---(1)]]>其中，f代表参考图像的像素值，βaw和γaw分别为颜色相似度和空间邻近度的计算系数，ΔC代表中心像素f(x,y)与周围像素f(x+i,y+j)在Lab颜色空间的欧几里得距离，通过公式(2)计算，其中c代表Lab颜色通道，ΔG代表f(x,y)与f(x+i,y+j)间的空间距离，通过公式(3)计算：ΔCx,yf(i,j)=Σc∈{Lab}(fc(x+i,y+j)-fc(x,y))2---(2)]]>ΔGx,yf(i,j)=i2+j2---(3)]]>计算目标窗口的像素权重；步骤三、利用改进的置信度传播算法对视差图D1进行全局优化，生成新的视差图D2；其中，置信度传播算法的改进过程如下：在第t次迭代时刻，节点p传递到周围节点q的信息的计算如公式(10)所示：mp→qt(d)=maxdφp(d)ψp,q(I,d)Πs∈N(p)/qms→pt-1(d)---(10)]]>其中，N(p)/q代表除q以外的p的周围节点，φp(d)代表节点q的局部匹配代价的聚合，利用相关值C1放大αbp倍后计算e的指数得到，如公式(11)所示：φp(d)＝exp(αbp×Cp(d))                 (11)其中，αbp为恒定的算法系数，通过经验获得；Ψp,q(I,d)代表平滑函数，当周围临近的像素违背平滑约束的时候做出惩罚，改进后如公式(12)：ψp,q(I,d)＝exp(‑h1(△Ipq)×h2(△dpq))                 (12)其中I代表像素的亮度值，d代表像素的视差，p和q代表两个相邻的像素，当周围临近的像素违背平滑约束的时候做出惩罚，其中函数h1和h2分别通过公式(13)、(14)表示：h1(ΔIpq)=μbp,ifΔIpq>βbpλbp×μbp,otherwise---(13)]]>h2(△dpq)＝min(γbp,|△dpq|)+δbp                  (14)公式中ΔIpq代表图像中p和q的像素亮度差，βbp代表像素亮度差的阈值，λbp和μbp代表平滑惩罚系数，通过经验获得，Δdpq代表p和q视差的差，γbp和δbp为恒定的系数，通过经验获得，γbp代表截断阈值，用于限制平滑强度的，而δbp的设置用于保证一定量的平滑强度；步骤四、利用细化模块对视差图D2进行精细化，并生成相关值C2，视差图D3；步骤五、再次利用改进的置信度传播算法和相关值C2和视差图D3进行全局优化，得到最终的视差图Df。