[发明专利]一种基于水平树结构的可变权重代价聚合立体匹配算法

摘要

本发明是一种基于水平树结构的可变权重代价聚合立体匹配算法，该方法包括计算匹配代价、计算引导图像、构建水平权值树与垂直权值树、代价聚合、更新权值树、代价聚合和视差优化等阶段。在代价聚合阶段获得初始视差值后，对四领域图边的权值进行相应的调整，将平滑约束和权值调整结合起来，通过对四领域图边的权值更新，构建新的水平权值树和垂直权值树，沿着水平树、垂直树聚合，代价聚合结果表明对背景区域和图像边界区域匹配精度有一定提高。

主权项

一种基于水平树结构的可变权重代价聚合立体匹配算法，其特征在于，包含以下几个步骤：(1)计算匹配代价：分别选取左、右图像为参考图，利用图像的颜色信息、水平梯度信息计算匹配代价；(2)计算引导图像：对左右参考图像进行窗口大小为3*3的中值滤波获得引导图像，减小图像噪声对代价聚合阶段中的权值计算的影响；(3)构建水平权值树与垂直权值树：根据四邻域像素之间的颜色差异构建水平权值树与垂直权值树；(4)计算代价聚合值：把图像中的每个像素当做一个节点，根据步骤(3)得到的权值和代价量正则化匹配聚合算法对步骤(1)获得的每个像素点的匹配代价值进行代价聚合；(5)计算初始视差图：利用“胜者为王”算法获得初始视差图D；(6)更新水平权值树与垂直权值树：根据步骤(5)得到的初始视差图，将像素视差信息与颜色信息相结合重新计算相邻像素之间的权值；(7)重新计算代价聚合值：把图像中的每个像素当做一个节点，根据步骤(6)获得的权值和代价正则化匹配聚合算法对步骤(1)获得的每个像素点的匹配代价值进行代价聚合；(8)计算视差图：同步骤(5)利用“胜者为王”算法获得视差图D1；(9)视差优化：首先采用左右一致性检测方法检测步骤(8)获得的视差图D1，将满足左右一致性像素点归类为可靠像素点，不满足的归类为不可靠像素点，对像素点代价量根据下式做更新，获得新的代价量,其中dp为像素点p的视差值,β∈[0,1],优选β＝0.1,根据步骤(8)获得的视差图D1与像素之间的颜色信息依据步骤(6)重新计算相邻像素之间的权值，通过步骤(7)水平树权值传播与代价正则化对新获得的代价量Cnew进行聚合，然后采用胜者为王算法获得最终的视差图。