The invention relates to a cross scale cost weak texture detection based on polymerization of stereo matching method belongs to the field of computer vision, in particular to a stereo matching method for weak texture image, which comprises the following steps: input two color images, two color images are the left and right image detection and segmentation of weak texture the picture left with the gradient information of the image; according to the left and right image color information and gradient information to calculate the matching cost; with weak texture in the detection and segmentation results as a benchmark, the Gauss filter in scale and cross scale cost aggregation based on the winner take all strategy; by using the consistency about calculating disparity; the detection and refinement of parallax method based on adaptive weight, parallax image output. The invention achieves the technical goal of improving the matching accuracy of weak texture region and obtaining better disparity map under the premise of ensuring the correct matching rate of the texture region.
【技术实现步骤摘要】
一种基于弱纹理检测的跨尺度代价聚合立体匹配方法
本专利技术一种基于弱纹理检测的跨尺度代价聚合立体匹配方法属于计算机视觉领域,尤其涉及对弱纹理图像的立体匹配方法。
技术介绍
双目立体视觉(BinocularStereoVision)是计算机视觉的一种重要形式,它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像,通过计算图像对应点间的位置偏差,来获取物体三维几何信息的方法。而三维信息获取的好坏主要取决于立体匹配所得视差图正确率的高低。目前立体匹配存在的问题主要有光照不均、曝光过度等外界因素,以及图片本身会存在遮挡、弱纹理、重复纹理等计算机难以区分的图片本身特征。虽然大量学者已经对立体匹配研究多年,但对于弱纹理区域的匹配仍是图像处理领域的一个难点。如何保证纹理区域匹配正确率的前提下,提高弱纹理区域匹配正确率,获得更好的视差图是一重大问题。
技术实现思路
本专利技术提供了一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,能够在保证纹理区域匹配正确率的前提下,提高弱纹理区域匹配正确率,获得更好的视差图。本专利技术的目的是这样实现的:一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,包括以下步骤:步骤a、输入两幅彩色图像,所述的两幅彩色图像分别为左图像和右图像,利用左图像的梯度信息对图片进行弱纹理检测和分割;步骤b、根据左图像和右图像的颜色信息和梯度信息计算匹配代价;步骤c、以步骤a中的弱纹理检测和分割结果为基准,进行基于高斯滤波的内尺度和跨尺度代价聚合;步骤d、采用嬴者全取策略计算视差;步骤e、采用左右一致性检测和基于自适应权重的方法对视差精化,输出视差图像。 ...
【技术保护点】
一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,其征在于,包括以下步骤:步骤a、输入两幅彩色图像,所述的两幅彩色图像分别为左图像和右图像,利用左图像的梯度信息对图片进行弱纹理检测和分割;步骤b、根据左图像和右图像的颜色信息和梯度信息计算匹配代价;步骤c、以步骤a中的弱纹理检测和分割结果为基准,进行基于高斯滤波的内尺度和跨尺度代价聚合;步骤d、采用嬴者全取策略计算视差;步骤e、采用左右一致性检测和基于自适应权重的方法对视差精化,输出视差图像。
【技术特征摘要】
1.一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,其征在于,包括以下步骤:步骤a、输入两幅彩色图像,所述的两幅彩色图像分别为左图像和右图像,利用左图像的梯度信息对图片进行弱纹理检测和分割;步骤b、根据左图像和右图像的颜色信息和梯度信息计算匹配代价;步骤c、以步骤a中的弱纹理检测和分割结果为基准,进行基于高斯滤波的内尺度和跨尺度代价聚合;步骤d、采用嬴者全取策略计算视差;步骤e、采用左右一致性检测和基于自适应权重的方法对视差精化,输出视差图像。2.根据权利要求1所述的一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,其特征在于,所述步骤a中对图片进行弱纹理检测和分割具体为:计算左图像坐标为(x,y)处像素点的梯度值为g(x,y),并与梯度阈值gT比较,判断是否为弱纹理区域,其计算公式为:g(x,y)<gT式中:N(x,y)表示以像素(x,y)为中心的窗口,M表示窗口中像素的个数,I(x,y)表示像素的灰度值。3.根据权利要求1所述的一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,其特征在于,所述步骤b中计算匹配代价具体为:计算立体彩色图像对左图像IL和右图像IR的匹配代价C(p,d),其计算公式为:C(p,d)=(1-α)·CAD(p,d)+α·(Cgrad_x(p,d)+Cgrad_y(p,d))Cgrad_x(p,d)=min(|▽xIL(p)-▽xIR(p,d)|,Tgrad)Cgrad_y(p,d)=min(|▽yIL(p)-▽yIR(p,d)|,Tgrad)式中:p是左图像中一点,式中i=R,G,B分别代表彩色图像的三个通道,TAD和Tgrad分别代表颜色和梯度的截断阈值;▽x、▽y分别表示图片在x、y方向的梯度算子;α是颜色差和梯度差之间的平衡因子。4.根据权利要求1所述的一种基于弱纹理检测的跨尺度代价聚合立体匹配方法,其特征在于,所述步骤c中代价聚合具体为:其中,表示聚合后的匹配代价,z为期望的优化目标值,W是高斯滤波核,N是像素p的邻域窗口,q是p的邻域像...
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。