[发明专利]基于图像稀疏特征匹配的立体图像重构方法及装置

摘要

本发明公开一种基于图像稀疏特征匹配的立体图像重构方法及装置，其中，该方法包括：校正获取的左眼图像及右眼图像；分别检测经校正的左眼图像与右眼图像中观察区的角点及边缘，得到左眼图像与右眼图像的角点特征及边缘特征；根据基于极线约束的SSDA算法分别对左眼图像与右眼图像的角点特征及边缘特征进行匹配，得到左眼图像与右眼图像的稀疏视差图；对左眼图像与右眼图像的稀疏视差图进行图像差值运算，得到图像的稠密视差图；根据图像的稠密视差图及测定参数重构观察区的立体模型。本发明的技术方案能够简化3D图像数据重构的运算量，提高重构后3D图像的显示效果。

主权项

1.一种基于图像稀疏特征匹配的立体图像重构方法，其特征在于，包括如下步骤：校正获取的左眼图像及右眼图像；分别检测经校正的左眼图像与右眼图像中观察区的角点及边缘，得到左眼图像与右眼图像的角点特征及边缘特征，具体包括，根据Harris角点检测算法检测左眼图像与右眼图像中观察区，找出左眼图像与右眼图像对应的角点特征，具体为，对观察区的每一个像素点计算相关性矩阵M，其中，g_x和g_y分别为x和y方向的梯度，为高斯模板，计算每一像素点的Harris角点响应R，R＝det(M)‑k·tr2(M)，其中，det()为矩阵行列式，tr为矩阵的迹，k为默认常数，取值为0.04～0.06，在w*w范围内寻找极大值点，若Harris角点响应R大于阀值T，则视为角点特征，其中，w取10以内，T取4500～5000；根据水平边缘Sobel算子及垂直边缘Sobel算子检测左眼图像与右眼图像中观察区，找出左眼图像与右眼图像对应的边缘特征，具体为，选用Sobel算子分别遍历左眼图像及右眼图像，其中，该Sobel算子包括水平边缘Sobel算子S1及垂直边缘Sobel算子S2，根据边缘检测算子的中心与中心像素对应原则，分别进行水平和垂直两次卷积运算，两次运算的最大值作为该点的边缘值输出；遍历整幅图像之后得到左眼图像及右眼图像的边缘特征；根据左眼图像与右眼图像对应的角点特征及边缘特征生成稀疏特征图；根据基于极线约束的SSDA算法分别对左眼图像与右眼图像的角点特征及边缘特征进行匹配，得到左眼图像与右眼图像的稀疏视差图，具体包括:根据基于极线约束的SSDA算法找出与左眼图像的目标像素点的对应的匹配特征点，具体为，将左眼图像的稀疏特征图记为T，在T中以(i,j)为中心取M*N的区域作为匹配的模板区域Tij，计算出绝对误差值，计算公式如下，根据基于极线约束的SSDA算法找出与右眼图像的目标像素点的对应的匹配特征点，具体为，将右眼图像的稀疏特征图记为S，在S中以(i,j)为参考点且尺寸与Tij相同的子图为Sij，在Sij中随机选取像素点，计算它同Tij中对应点的误差值e，然后将e累加起来，当累加r次误差超过阈值Th，则停止累加，并记下次数r，将I(i,j)值大的(i,j)点作为匹配特征点，检测曲面公式如下，判断两次计算的匹配特征点是否相同，若是则保留匹配特征点，并根据匹配特征点得到左眼图像与右眼图像的稀疏视差图，若否则去除保留匹配特征点；对左眼图像与右眼图像的稀疏视差图进行图像插值运算，得到图像的稠密视差图；根据图像的稠密视差图及测定参数重构观察区的立体模型。