【技术实现步骤摘要】
本专利技术涉及计算机视觉
,更为具体地,涉及一种基于置信传播和自相似差异测度的前后景立体匹配方法。
技术介绍
立体匹配是目前最热点的计算机视觉方向之一。其目标是在不同的视点视角及不同的时间地点,在一幅或几幅图片中找出对应点,进而获得一个稠密的深度或视差映射图。目前常见的立体匹配方法包括局部方法和全局方法。全局方法主要包括图割(GC)和置信传播(BP)方法。全局方法精度较高,但速度相对较慢,难以满足实时、准确、快速的应用,尤其在三维重建、立体视频、机器人导航等对实时性较高的领域无法满足。局部算法虽然速度快,但精度较差。
技术实现思路
鉴于上述问题,本专利技术的目的是提供一种基于置信传播和自相似差异测度的前后景立体匹配方法,以解决现有引导滤波的立体匹配方法在大面积的低纹理区域和不连续区域边界存在缺陷的问题。本专利技术提供一种基于置信传播和自相似差异测度的前后景立体匹配方法,包括:步骤S1:分别采用置信传播算法和自相似差异测度算法对图像进行立体匹配,获得各自的视差图;步骤S2:利用分段函数融合置信传播算法和自相似差异测度算法,匹配出视差图中的前景信息和背景信息。本专利技术提供的基于置信传播和自相似差异测度的前后景立体匹配方法,通过分段函数融合置信传播算法和自相似差异测度算法,具有很好的立体匹配的精度。为了实现上述以及相关目的,本专利技术的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本专利技术的某些示例性方面。然而,这些方面指示的仅仅是可使用本专利技术的原理的各种方式中的一些方式。此外,本专利技术旨在包括所有这些方 ...
【技术保护点】
一种基于置信传播和自相似差异测度的前后景立体匹配方法,包括:步骤S1:分别采用置信传播算法和自相似差异测度算法对图像进行立体匹配,获得各自的视差图;步骤S2:利用分段函数融合所述置信传播算法和所述自相似差异测度算法,匹配出所述视差图中的前景信息和背景信息。
【技术特征摘要】
1.一种基于置信传播和自相似差异测度的前后景立体匹配方法,包括:步骤S1:分别采用置信传播算法和自相似差异测度算法对图像进行立体匹配,获得各自的视差图;步骤S2:利用分段函数融合所述置信传播算法和所述自相似差异测度算法,匹配出所述视差图中的前景信息和背景信息。2.如权利要求1所述的基于置信传播和自相似差异测度的前后景立体匹配方法,其中,在利用所述置信传播算法对图像进行立体匹配的过程中,包括:步骤S11:构建基于马尔科夫随机场的联合概率函数,所述联合概率函数为:P(x1,x2,…,xN,y1,y2…,yN)=ΠΨ(xi,xj)Πφ(xp,yp)其中,数据约束项φ(xp,yp)表示灰度匹配的可信程度,平滑约束项Ψ(xi,yj)表示平滑匹配可信程度,N表示节点数目;(i,j)表示一对相邻节点,xn表示位于节点n的视差值。yn表示位于节点n的像素值;步骤S12:对所述联合概率函数取负对数,获得基于置信传播算法的能量函数E(·),所述能量函数E(·)为:E(x1,x2,…,xN,y1,y2…,yN)=ΣV(xi,xj)+ΣD(xi,yi)其中,D(·)和V(·)分别表示所述能量函数E(·)的数据项和平滑项;步骤S13:通过节点的邻域信息更新消息,公式如下:其中,mright(xj),mup(xj),mdown(xj)表示从节点i上、下、右传来的信息;步骤S14:更新每个节点的置信度: d s ( x s ) ← κm s ( x s ) Π x k ∈ N ( X s ) m k s ( x s ) ]]>其中,κ表示归一化常量,mks(Xs)表示节点k向节点s传播的信息,ms(xs)表示节点s的信息,xs表示位于节点s的视差值,xk表示位于节点k的视差值;步骤S15:将s节点的最大置信度作为s节点的最优视差,s节点的最大置信度为: d s max = arg max d s ( x s ) ; ]]>步骤S16:通过s节点的最优视差获得视差图的视差值: d B P = argmin d s ∈ σ E ( x s , y s ) . ]]>其中,σ表示节点s的可能视差集。3.如权利要求1所述的基于置信传播和自相似差异测度的前后景立体匹配方法,其中,步骤S2包括:步骤S21:自定义所述自相似差异测度算法为:其中,和分别被定义为CSAD(·)和CGRAD(·)的权重系数;绝对灰度差异测度CSAD(·)被定义为: C S A D ( x , y , d ) = Σ ( i , j ) ∈ N ( x , y ) | I L ( i , j ) - I R ( i + d , j ) | ; ]]>绝对梯度差异测度CGR...
【专利技术属性】
技术研发人员:王晓峰,苏盈盈,李明臻,赵轶,
申请(专利权)人:重庆科技学院,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。