全息立体图像匹配算法制造技术

本发明专利技术提出的全息立体图像匹配算法，属于立体显示技术领域，将图像进行小波变换获得低频和高频部分的分解系数和图像信息，同时利用噪声可见度函数进行阈值处理提取贡献最大的部分小波系数参与匹配，利用噪声可见度函数选择各个视差图中噪声最小的视差能有效提高视差图像最终的精度，噪声可见度函数现已频繁应用在图像压缩处理的各个领域；针对原图像对进行小波优化处理，是不同于传统算法的一个创新点，能有效的加强算法的匹配效果和精度。

【技术实现步骤摘要】
全息立体图像匹配算法
本专利技术属于立体显示
，尤其是全息立体图像匹配算法。
技术介绍
全息立体匹配是立体视觉技术中最困难和复杂的一个环节，对整个系统的最终结果也具有非常重大和关键的影响。所谓全息立体匹配即根据所选择的图像特征及其特征间的相似性测度，建立参考图像和匹配目标图像之间的对应关系，寻找到物点在两个摄像机拍摄的图像中的投影点。全息立体匹配算法是目前立体视觉技术中最为热门和活跃的领域之一，大量的研究人员投入到其中希望找到最为高效和精确的匹配算法，但目前来说还没有非常完美的算法出现，还有许多因素影响着匹配的结果。
技术实现思路
本专利技术提供的全息立体图像匹配算法，能有效提高匹配的精度。本专利技术具体采用如下技术方案实现：一种全息立体图像匹配算法，其特征在于，具体的算法步骤如下：Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；Step2将各个分量的对比值低于给定阈值的置零，对各个分量修改过后进行二维离散小波逆变换，得到在各个方向上的立体图像对；Step3利用基于置信传播与自适应相异性测量的图像分割匹配算法计算各个立体图像对的初始视差；Step4将各个方向上的视差图像利用HVS模型原理进行融合获得最终的视差图像；Step5最后采用噪声可见度函数作为标准来进行视差图像融合，具体方法是首先计算各个方向视差图像的NVF函数值，进一步按照以下公式对视差进行融合：本专利技术提供的全息立体图像匹配算法，其有益效果在于，将图像分解为多个子带，并对各个子带图像进行阈值处理，提高图像的匹配质量，最终利用人类视觉系统模型中的噪声可见度函数融合各个子带的匹配结果获得最终的视差图像，与其他算法相比，能获得精度更高的视差图像。附图说明图1是本专利技术的算法流程图。具体实施方式为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。现结合附图和具体实施方式对本专利技术进一步说明。如图1所示，本实施例提供的全息立体图像匹配算法，将图像进行小波变换获得低频和高频部分的分解系数和图像信息，同时利用噪声可见度函数进行阈值处理提取贡献最大的部分小波系数参与匹配，利用噪声可见度函数选择各个视差图中噪声最小的视差能有效提高视差图像最终的精度，噪声可见度函数现已频繁应用在图像压缩处理的各个领域；针对原图像对进行小波优化处理，是不同于传统算法的一个创新点，能有效的加强算法的匹配效果和精度。本算法框架如图1所示，具体的算法步骤如下：Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；Step2将各个分量的对比值低于给定阈值的置零，对各个分量修改过后进行二维离散小波逆变换，得到在各个方向上的立体图像对；Step3利用基于置信传播与自适应相异性测量的图像分割匹配算法计算各个立体图像对的初始视差；Step4将各个方向上的视差图像利用HVS模型原理进行融合获得最终的视差图像；Step5最后采用噪声可见度函数作为标准来进行视差图像融合，具体方法是首先计算各个方向视差图像的NVF函数值，进一步按照以下公式对视差进行融合：为了验证算法的效果，基于Matlab平台结合C++混合编程进行仿真实验。采用Middlebury网站提供的标准测试立体图像对及真实视差图作为实验的目标图像及评价对比标准。针对实验结果误差采用两个重要的评价指标：一项为均方根误差(Rootmeansquare，RMS)，它显示了匹配的平均偏差，其值越小表示结果越精确；另一项指标为错误匹配率(Badmatchingpixels，BMP)，它显示了错误的匹配点占所有像素的百分比。通过这两个指标可以定量和定性的分析实验结果，它们的值由以下公式求得：其中N是图像像素点总数目，δd为错误匹配阈值，一般取δd＝1.0，dc、dg分别为获得的视差图像和参考视差图像。依据上述算法步骤，选择了Middlebury大学立体视觉算法评测网站提供的图像Tsukuba、Teddy等进行测试，在实验中涉及到多个实验参数包括：空间带宽hs、色彩带宽hr、最小视差min.disp、最大视差值max.disp、支持窗口大小win.size等，针对Tsukuba这幅图像的这五个参数设置分别为：[550163×3]；此外图像在进行图像分割时，分割部分的最小像素数目为30，低于30个像素的分割部分不进行视差平面估计，这样可以在一定程度上减小处理的复杂度，提高收敛速度。在经过离散小波变换(DWT)后获得各个方向的小波系数，对各向分量通过阈值改进后进行小波逆变换，继而对图像执行基于图像分割的视差估计，得到在低频和高频各个分量方向上的视差图像，最终利用HVS模型中的噪声可见度函数来融合各个视差图像，得到最终的视差图像。尽管结合优选实施方案具体展示和介绍了本专利技术，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本专利技术的精神和范围内，在形式上和细节上可以对本专利技术做出各种变化，均为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种全息立体图像匹配算法，其特征在于，具体的算法步骤如下：Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；Step2将各个分量的对比值低于给定阈值的置零，对各个分量修改过后进行二维离散小波逆变换，得到在各个方向上的立体图像对；Step3利用基于置信传播与自适应相异性测量的图像分割匹配算法计算各个立体图像对的初始视差；Step4将各个方向上的视差图像利用HVS模型原理进行融合获得最终的视差图像；Step5最后采用噪声可见度函数作为标准来进行视差图像融合，具体方法是首先计算各个方向视差图像的NVF函数值，进一步按照以下公式对视差进行融合：

【技术特征摘要】
1.一种全息立体图像匹配算法，其特征在于，具体的算法步骤如下：Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；Step2将各个分量的对比值低于给定阈值的置零，对各个分量修改过后进行二维离散小波逆变换，得到在各个方向上的立体图像对；Step...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海盟云移软网络科技股份有限公司，
类型：发明
国别省市：上海,31