[发明专利]基于置信传播和自相似差异测度的前后景立体匹配方法

摘要

本发明提供一种基于置信传播和自相似差异测度的前后景立体匹配方法，包括：首先，分别采用置信传播算法和自相似差异测度算法对图像进行立体匹配，获得各自的视差图；然后，利用分段函数融合置信传播算法和自相似差异测度算法，匹配出视差图中的前景信息和背景信息。本发明提供的基于置信传播和自相似差异测度的前后景立体匹配方法，具有很好的立体匹配精度。

主权项

1.一种基于置信传播和自相似差异测度的前后景立体匹配方法，包括：步骤S1：分别采用置信传播算法和自相似差异测度算法对图像进行立体匹配，获得各自的视差图；步骤S2：利用分段函数融合所述置信传播算法和所述自相似差异测度算法，匹配出所述视差图中的前景信息和背景信息；其中，所述分段函数d*(·)定义为：其中，x_p表示位于节点p的视差值，min(d_BP,d_SD)表示取最小值，d*为通过融合所述置信传播算法和所述自相似差异测度算法获得的视差值，其属于一个有限的带L维的离散视差集Γ＝[d₁,d₂,…,d_L]，ε为误差阈值，和分别代表上舍入和下舍入算子；其中，在利用所述置信传播算法对图像进行立体匹配的过程中，包括：步骤S11：构建基于马尔科夫随机场的联合概率函数，所述联合概率函数为：P(x1,x2,…,xN,y1,y2…,yN)＝∏Ψ(xi,xj)Πφ(xp,yp)其中，数据约束项φ(xp,yp)表示灰度匹配的可信程度，平滑约束项Ψ(xi,xj)表示平滑匹配可信程度，N表示节点数目；xN表示位于节点N的视差值，yN表示位于节点N的像素值；步骤S12：对所述联合概率函数取负对数，获得基于置信传播算法的能量函数E(·)，所述能量函数E(·)为：E(x1,x2,…,xN,y1,y2…,yN)＝∑V(xi,xj)+∑D(xi,yi)其中，D(·)和V(·)分别表示所述能量函数E(·)的数据项和平滑项；步骤S13：通过节点的邻域信息更新消息，公式如下：其中，mright(xj),mup(xj),mdown(xj)表示从节点i右、上、下传来的信息；步骤S14：更新每个节点的置信度：其中，κ表示归一化常量，mks(Xs)表示节点k向节点s传播的信息，ms(xs)表示节点s的信息，xs表示位于节点s的视差值，xk表示位于节点k的视差值；步骤S15：将s节点的最大置信度作为s节点的最优视差，s节点的最大置信度为：步骤S16：通过s节点的最优视差获得视差图的视差值：其中，σ表示节点s的视差集；其中，步骤S2包括：步骤S21：自定义所述自相似差异测度算法为：其中，和分别被定义为C_SAD(·)和C_GRAD(·)的权重系数；绝对灰度差异测度CSAD(·)被定义为：绝对梯度差异测度CGRAD(·)被定义为：其中，N_X(x,y)表示没有最右侧的邻域,N_Y(x,y)表示没有最低侧的邻域,表示X方向的中心差分,代表Y方向的中心差分，像素位置(x,y)∈Ω,d为视差值，N(x,y)为一个5×5的窗口，I_L(i,j)和I_R(i,j)分别表示参考图像和目标图像的像素灰度值；步骤S22：采用左右图像的交叉验证和胜者优先算法获得视差图的视差值为：σ表示节点s的视差集。