[发明专利]一种基于特征融合的最小分支立体匹配方法

摘要

本发明公开了一种基于特征融合的最小分支立体匹配方法，能够有效解决弱纹理区域、不连续区域、遮挡区域的误匹配问题，提高立体匹配精度。最小分支结构首次利用梯度信息构建有向图聚合匹配代价，构建最小分支后图像被分割成若干区域，图像被分割成区域的过程不需要设置任何参数，不仅分割过程自然，而且可以有效地区分图像中的纹理区域，提高了立体匹配准确性。基于特征融合的初始匹配代价计算改善了弱纹理区域和不连续区域的误匹配问题，基于四个方向寻找未遮挡点的左右一致性检测，有效改善了遮挡区域的误匹配问题，进一步提高了立体匹配的准确性。

主权项

1.一种基于特征融合的最小分支立体匹配方法，其特征在于，包括以下步骤：步骤1、获取待处理图像左图像和右图像分别作为参考图像和目标图像，对两幅图像预处理；步骤2、基于特征融合方法计算两幅预处理后图像的初始匹配代价：对两幅图像分别进行Census变换和局部二值模式LBP变换，求出相应的初始匹配代价值；基于颜色特征和梯度特征分别计算相应的初始匹配代价值；使用归一化函数，将四种匹配代价值融合成最终的初始匹配代价值；步骤3、基于相邻像素的梯度差，在预处理后的两幅图像上构建有向图；步骤4、在有向图的左图和右图分别增添一个虚拟节点，从虚拟节点构建有无穷大权重的边到有向图的每个节点；在两幅有向图上使用Tarjan算法构建最小树形图，最小树形图构建完成后，图片被分割成若干有根树，每个有根树代表一个区域；最小树形图构建完成后，删除虚拟节点和虚拟节点连接的有向图的边；步骤5、对两幅最小树形图计算相邻区域间的两类连接边，一类边连接相邻两区域的叶子节点，另一类边连接相邻两区域的根节点；步骤6、将步骤5中所计算的两类边按照w_e1和λ·w_e2进行升序排列，w_e1和w_e2为两类边的权重，并根据区域连接准则进行判断，若满足条件则连接两区域，若不满足则用有无穷大权重的边连接，最终形成最小分支结构；步骤7、基于两幅图像的最小分支结构进行代价聚合，计算匹配代价；步骤8、根据WTA策略选择两幅图像中每个像素点的最小匹配代价对应的视差值作为该点的视差值，生成左右视差图；步骤9、在两幅视差图上进行左右一致性检查，根据检查结果更新左视差图中的像素点代价值；步骤10、在左视差图中根据更新的代价值重新进行代价聚合和WTA策略选择视差，生成最终的视差图。