[发明专利]一种基于最小分支代价聚合的立体匹配方法

摘要

本发明公开了一种基于最小分支代价聚合的立体匹配方法。所述的最小分支构建于有向图，有向图的方向是由图像像素点的梯度信息决定的。在最小分支构建完成后，输入图像被分割成很多碎片，碎片的大小和强度信息能够有效的区分图像的强弱纹理区域，再根据碎片的大小和相似性将最可能处于同一视差下的碎片连接在一起，最后在所建立的完整最小分支结构上执行代价聚合步骤。基于最小分支的代价聚合方法保留了更多的图像自然信息，使得代价聚合结果更加准确，从而有效的提高了立体匹配的精度。

主权项

1.一种基于最小分支代价聚合的立体匹配方法，其特征在于，该方法包括以下步骤：S1：将经过矫正的左图像I_L和右图像I_R分别作为参考图像和目标图像；S2：基于图像相邻像素点之间的梯度差的正负对左右图像分别构建有向图I'_L和I'_R；具体为：令i，j表示图像上一对相邻的像素点，表示两点的梯度值，若构建两条有向连接线分别指向i和j；若构建一条有向连接线由j指向i，反之构建有向连接线从i指向j；S3：在有向图I'_L和I'_R上利用Tarjan算法构建最小树形图，为了保证树形图一定存在，需要添加一个虚拟节点，从虚拟节点构建直线连接有向图的每个节点，权重为无穷大；构建完最小树形图之后去掉虚拟节点和虚拟节点所连接的边，形成一个个独立的根树，每个根树代表一个碎片区域；S4：对左右图像计算相邻碎片区域之间的两类连接边，一类边连接相邻两区域的叶子节点，权重为w_e1；另一类边连接相邻两区域的根节点，权重为w_e2；w_e1和w_e2计算公式为：w_e2＝|avg(U)‑avg(V)|其中p1和p2表示相邻两区域U和V的根树的叶子节点，avg(U)和avg(V)代表区域U和V的平均颜色强度；avg(U)＝Col_sum(U)/size(U)Col_sum(U)表示区域U中所有像素点的RGB三通道颜色值之和，size(U)表示区域U中像素点的个数；S5：将S4中所计算的两类边按w_e1，λw_e2进行升序排列并依次判断：若当前边所连接的两碎片大小和相似性满足三个区域连接条件，则用由区域间颜色差决定的权重的边连接两碎片，一次遍历后，不满足连接条件的碎片用无穷大权重的边连接，最终形成完整的最小分支结构；所述的区域连接条件为：size(U)‑size(V)≤α；size(U)≤β或者size(V)≤β；c＜min(Int(U)+τ(U),Int(V)+τ(V))其中α＝β＝50，c表示当前判断的连接边的权重，Int(U)，Int(V)分别表示区域U,V里面的最大的边权重；τ(U)＝k/size(U)；k＝m*n/sm和n表示参考图像的宽度和高度，s＝200；τ(U)控制两个区域之间的差异在多大程度上小于区域内差异才能被连接；连接两区域的边权重计算同w_e1；S6：令p为左图像I_L中当前待匹配像素点，视差d的取值范围是D＝[d_min,d_max]，利用代价函数求得像素点p和右图像I_R中的所有候选匹配点p_d的匹配代价，候选匹配点的匹配代价为Cost(p,p_d,d)；S7：在左右图像上构建的完整最小分支上执行代价聚合，从根节点到叶子节点和从叶子节点到根节点两个方向遍历最小分支结构，节点p在视差d下的代价为CostA(p,p_d,d)；S8：根据WTA策略，即选择左右图像中每个像素点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D₁和D₂；S9：根据两幅视差图D₁和D₂进行左右一致性检查；S10：根据检查结果更新左视差图中的像素点代价值；S11：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。