本发明专利技术公开了一种基于图像分割和自适应权重的立体匹配方法，包括视差初始化和视差优化，视差初始化包括：将经矫正的左右图像分别作为参考图像和目标图像并进行分割；利用构建的结合分割信息和自适应权重的代价函数计算左图像中当前待匹配像素点p与右图像中所有候选匹配点pd的匹配代价E(p,pd,d)，选择最小匹配代价的候选匹配点作为p的最优匹配点；重复上述步骤以光栅扫描顺序遍历左图像中每个像素点，得到初始视差图像；视差优化包括对获得的初始视差图像进行视差平面拟合、异常抑制和边缘修复；其优点在于对由最优匹配点计算的初始视差图像中的不可信点重新修正、异常的小区域合并到相邻的正常区域、边缘像素修复，消除了视差错误，提高了匹配精度。
【技术实现步骤摘要】
本专利技术属于图像处理领域，涉及一种立体匹配技术，具体是一种基于图像分割和自适应权重的立体匹配方法。
技术介绍
近年来，作为计算机视觉领域最热门的研究问题之一，立体视觉技术被广泛应用于视觉导航、物体识别和工业控制等方面。立体视觉技术主要包括图像获取、摄像机标定、特征提取、立体匹配和三维重建等部分，其中立体匹配是立体视觉技术的核心部分，目的在于寻求同一空间景物在不同视点下投影图像像素间的一一对应关系。能否对图像进行准确匹配，得到场景正确的三维坐标是立体视觉技术成败的关键。按照约束方式的不同，将立体匹配分为两大类：全局立体匹配和局部立体匹配。全局立体匹配通常跳过代价聚合步骤,通过寻找能量函数最优解可一次性获得整幅图像所有像素的视差。经典的全局匹配算法主要包括：图割、动态规划和置信度传播等。该类方法可获得精度较高的视差图像，但相应参数设置难度大且算法效率低，很难满足实时性要求。与全局匹配方法不同，局部匹配一般使用窗口匹配，仅利用窗内像素信息作为约束条件，且每次只能获得部分像素的视差值。该类方法一般具有较高的算法速率，但由于匹配过程所涉及的信息量较少，匹配精度往往较低。近年来，随着国内外学者对局部匹配算法研究的不断深入，一些具有较高精度的局部匹配算法被提出。例如：一种基于置信度支持窗的立体匹配方法，首先利用SAD(SumofAbsoluteDifference，绝对差值和)算法获得像素的初始视差，然后在各匹配窗内利用具<br>有较高置信度的像素点进行平面拟合并得到最终的视差图像，该方法虽然能够获得较好匹配结果，但仅适用于具有光滑纹理的图像区域，因而存在较大的局限性；一种基于联合直方图的立体匹配算法，该算法采用对匹配窗内的像素点进行有效采样的方式来减少重复滤波的冗余计算，尽管能够得出一个固定的空间采样值，但由于匹配结果对输入图像的特点和空间采样率过于敏感，这一方法目前不具有普遍性；一种基于自适应窗的立体匹配方法，首先利用高斯混合模型描述匹配窗内像素的视差分布，然后根据视差分布的不确定度来确定匹配窗的尺寸，该方法虽然提高了匹配质量，但也大大增加了算法的复杂度；一种基于自适应支持权重的匹配方法，该方法并不改变匹配窗的大小和形状，而是选用固定大小的矩形窗，根据窗内各像素点与中心点颜色和距离差异分配支持权重，从而进行能量聚合，该方法有效避免了匹配窗的选择问题，虽然能够取得较好的匹配结果，但仍存在如下不足：对于匹配窗内的低纹理区域、结构重复区域以及视差不连续区域，利用基于像素颜色和距离的匹配难以得到正确的匹配结果。
技术实现思路
本专利技术的目的是为解决现有技术中的难题，提供一种高匹配精度的基于图像分割和自适应权重的立体匹配方法。本专利技术提供一种基于图像分割和自适应权重的立体匹配方法，包括视差初始化和视差优化，所述视差初始化步骤包括：S1：将经矫正的左图像IL、右图像IR分别作为参考图像和目标图像；S2：利用mean-shift算法分别对左图像IL、右图像IR进行分割，并记录每个像素点所属的彩色分割区域；S3：令p为左图像IL中当前待匹配像素点，(xp,yp)为其空间坐标；大小为W的匹配窗中除中心像素点p外的其他像素点用q表示，视差d的取值范围为D＝[dmin,dmax]；利用代价函数求得像素点p与右图像IR中所有候选匹配点的匹配代价，候选匹配点pd的匹配代价为E(p,pd,d)；S4：采用WTA策略选择具有最小匹配代价的候选匹配点作为像素点p的最优匹配点；S5：重复所述步骤S3、S4并采用光栅扫描顺序依次遍历每个像素点，得到由最优匹配点组成的初始视差图像；所述视差优化依次包括：视差平面拟合、异常抑制和边缘修复；所述视差平面拟合包括：A1：将初始视差图像每个存在不可信点的彩色分割区域中的稳定点作为数据集合进行统计，并将包含稳定点最多的组分所对应的视差值作为彩色分割区域内不可信点的初始视差进行初步修正；A2：从彩色分割区域中任意选取3个稳定点，构建平面方程组并得出相应三个平面参数；A3：计算彩色分割区域内其他点与平面距离小于阈值△d的像素点个数Ni，其中i为循环迭代次数；A4：重复步骤A2、A3若干次，利用最大Ni所对应的3个稳定点及平面参数进行最小二乘平面拟合，并更新平面参数；A5：利用式d(xq,yq)＝|Axq+Byq+C|对彩色分割区域内的不可信点q的视差进行重新修正；其中，式中的A、B、C为步骤A4中具有最大Ni的3个稳定点所对应的三个平面参数；所述异常抑制具体为：对于视差平面拟合后的视差图像，设定阈值δn和δc，将与周围像素视差差异较大且像素个数小于δn的小区域合并到与其相邻的具有最小视差值且像素个数大于δc的区域中；所述边缘修复包括：B1：利用canny算法检测出经mean-shift分割后图像的边缘，对于异常抑制后的视差图像中处在图像边缘处的像素点p，令其左右相邻像素点分别为ql和qr；B2：利用公式E′data(p,pd)=Σq∈NP,qd∈NPdw′(p,q)w′(pd,qd)ϵ(q,qd)Σq∈NP,qd∈NPdw′(p,q)w′(pd,qd)]]>计算匹配代价和B3：将具有步骤B2中最小匹配代价的像素点所对应的视差作为像素点p的视差值。进一步的，步骤S3所述的匹配代价E(p,pd,d)具体为：E(p,pd,d)＝Edata(p,pd)+λEsmooth(p,d)；其中，Edata()为数据项，用于衡量两匹配基元的相似性，数据项Edata()的定义如下：Edata(p,pd)=Σq∈NP,qd∈NPdw(p,q)w(pd,qd)ϵ(q,qd)Σq∈NP,qd∈NPdw(p,q)w(pd,qd);]]>Δc(p,q)=Σc1∈{l,a,b本文档来自技高网...
【技术保护点】
一种基于图像分割和自适应权重的立体匹配方法，包括视差初始化和视差优化，其特征在于，所述视差初始化包括以下步骤：S1：将经矫正的左图像IL、右图像IR分别作为参考图像和目标图像；S2：利用mean‑shift算法分别对左图像IL、右图像IR进行分割，并记录每个像素点所属的彩色分割区域；S3：令p为左图像IL中当前待匹配像素点，(xp，yp)为其空间坐标；大小为W的匹配窗中除中心像素点p外的其他像素点用q表示，视差d的取值范围为D＝[dmin,dmax]；利用代价函数求得像素点p与右图像IR中所有候选匹配点的匹配代价，候选匹配点pd的匹配代价为E(p,pd,d)；S4：采用WTA策略选择具有最小匹配代价的候选匹配点作为像素点p的最优匹配点；S5：重复所述步骤S3、S4并采用光栅扫描顺序依次遍历每个像素点，得到由最优匹配点组成的初始视差图像；所述视差优化包括对初始视差图像依次进行视差平面拟合、异常抑制和边缘修复；所述视差平面拟合包括：A1：将初始视差图像每个存在不可信点的彩色分割区域中的稳定点作为数据集合进行统计，并将包含稳定点最多的组分所对应的视差值作为彩色分割区域内不可信点的初始视差进行初步修正；A2：从彩色分割区域中任意选取3个稳定点，构建平面方程组并得出相应三个平面参数；A3：计算彩色分割区域内其他点与平面距离小于阈值△d的像素点个数Ni，其中i为循环迭代次数；A4：重复步骤A2、A3若干次，利用最大Ni所对应的3个稳定点及平面参数进行最小二乘平面拟合，并更新平面参数；A5：利用式d(xq,yq)＝|Axq+Byq+C|对彩色分割区域内的不可信点q的视差进行重新修正；其中，式中的A、B、C为步骤A4中具有最大Ni的3个稳定点所对应的三个平面参数；所述异常抑制具体为：对于视差平面拟合后的视差图像，设定阈值δn和δc，将与周围像素视差差异较大且像素个数小于δn的小区域合并到与其相邻的具有最小视差值且像素个数大于δc的区域中；所述边缘修复包括：B1：利用canny算法检测出经mean‑shift分割后图像的边缘，对于异常抑制后的视差图像中处在图像边缘处的像素点p，令其左右相邻像素点分别为ql和qr；B2：利用公式E′data(p,pd)=Σq∈NP,qd∈NPdw′(p,q)w′(pd,qd)ϵ(q,qd)Σq∈NP,qd∈NPdw′(p,q)w′(pd,qd)]]>计算匹配代价和B3：将具有步骤B2中最小匹配代价的像素点所对应的视差作为像素点p的视差值。...
【技术特征摘要】
1.一种基于图像分割和自适应权重的立体匹配方法，包括视差初始化和视差优化，其
特征在于，所述视差初始化包括以下步骤：
S1：将经矫正的左图像IL、右图像IR分别作为参考图像和目标图像；
S2：利用mean-shift算法分别对左图像IL、右图像IR进行分割，并记录每个像素点所属
的彩色分割区域；
S3：令p为左图像IL中当前待匹配像素点，(xp，yp)为其空间坐标；大小为W的匹配窗中除
中心像素点p外的其他像素点用q表示，视差d的取值范围为D＝[dmin,dmax]；利用代价函数求
得像素点p与右图像IR中所有候选匹配点的匹配代价，候选匹配点pd的匹配代价为E(p,pd,
d)；
S4：采用WTA策略选择具有最小匹配代价的候选匹配点作为像素点p的最优匹配点；
S5：重复所述步骤S3、S4并采用光栅扫描顺序依次遍历每个像素点，得到由最优匹配点
组成的初始视差图像；
所述视差优化包括对初始视差图像依次进行视差平面拟合、异常抑制和边缘修复；
所述视差平面拟合包括：
A1：将初始视差图像每个存在不可信点的彩色分割区域中的稳定点作为数据集合进行
统计，并将包含稳定点最多的组分所对应的视差值作为彩色分割区域内不可信点的初始视
差进行初步修正；
A2：从彩色分割区域中任意选取3个稳定点，构建平面方程组并得出相应三个平面参
数；
A3：计算彩色分割区域内其他点与平面距离小于阈值△d的像素点个数Ni，其中i为循环
迭代次数；
A4：重复步骤A2、A3若干次，利用最大Ni所对应的3个稳定点及平面参数进行最小二乘平
面拟合，并更新平面参数；
A5：利用式d(xq,yq)＝|Axq+Byq+C|对彩色分割区域内的不可信点q的视差进行重新修...
【专利技术属性】
技术研发人员：朱仲杰，戴庆焰，王玉儿，王阳，
申请(专利权)人：浙江万里学院，
类型：发明
国别省市：浙江;33
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。