[发明专利]一种基于图割的立体匹配方法

摘要

本发明出一种基于图割的立体匹配方法。用MSERDoG算子对左右两幅图像提取支撑点；将支撑点的像素灰度值作为匹配代价、固定窗口作为代价聚合对左右两幅图像的支撑点进行匹配，求得支撑点的视差；计算左右两幅图中每个像素点的DAISY描述符算子；将支撑点的视差作为图割算法中的标号，将每个像素点的DAISY描述符算子作为图割算法中能量函数的数据项用于图割算法中，最终通过求取能量函数最小值求得稠密视差图，实现立体匹配。本发明能够在保证图像匹配精度的情况下提高匹配效率。

主权项

1.一种基于图割的立体匹配方法，其特征在于，包括以下步骤：步骤一、用MSERDoG算子对左右两幅图像提取支撑点；步骤二、将支撑点的像素灰度值作为匹配代价、固定窗口作为代价聚合对左右两幅图像的支撑点进行匹配，求得支撑点的视差；步骤三、计算左右两幅图中每个像素点的DAISY描述符算子；步骤四、将支撑点的视差作为图割算法中的标号，将每个像素点的DAISY描述符算子作为图割算法中能量函数的数据项用于图割算法中，通过求取能量函数最小值求得稠密视差图；步骤三中，逐像素构造DAISY特征描述符的方法为：首先，计算图像在每个像素点位置的8个方向梯度；然后，高斯核卷积得到采样点的向量，采样点的向量如公式(1)所示，式(1)中，u表示中心像素点的横坐标值，v是中心像素点的纵坐标值，i表示同心圆环标号，j表示方向标号，R_i表示第i个同心圆环上的采样点和中心像素点(u,v)的距离，G为高斯卷积符号，d_i(l_j(u,v,R_i))表示采样点在j方向上卷积后的向量，l_j(u,v,R_i)表示和中心像素点(u,v)相距R_i的采样点，d_i(l_j(u,v,R_i))归一化后为接着，3个不同半径的同心圆环上的采样点多次高斯卷积实现多尺度空间，在同心圆支撑区域中每个像素点位置的向量加权后获得DAISY描述符算子D(u,v)，D(u,v)如公式(2)所示：式(2)中，N为同心圆环标号i取值范围的最大值，M为方向标号j取值范围的最大值；步骤四中，像素点的能量函数如公式(3)所示：式(3)中，X_p(f_p)＝|X_R(x,y)‑X_L(x+f_p,y)|表示的是右图中像素点p(x,y)和左图中像素点的匹配代价，其中f_p表示的是像素点p的标号，也就是像素点p对应的视差值，P表示的是匹配聚合时的支撑窗口，V_p,q(f_p,f_q)是一个平滑项模型，用来评估像素p取标号f_p时的惩罚函数，N表示的是像素点p所在的邻域系统，f_q表示邻域系统中像素点q的标号。