本发明专利技术公开了一种针对弱纹理区域的立体匹配算法，首先对输入图像进行高斯采样，构造出不同尺度下的待匹配图像对，然后利用canny算法对原始图像进行边缘检测以检测出物体边缘并划分出低纹理区域，针对边缘区域，设定更小的代价聚合窗口，针对低纹理区域，加强相同像素不同尺度间的一致性约束，利用改进的滑动窗口法方法分别计算各尺度下图像像素对匹配代价，利用特征点匹配结果划定视差搜索范围，通过多尺度下的代价聚合函数计算视差范围内的各视差值对应的聚合匹配代价，选择最小代价所对应视差值作为像素视差值，通过遍历原始图像像素得到稠密视差图。本发明专利技术针对低纹理区域有较高的匹配精度，能有效减少误匹配。
【技术实现步骤摘要】
一种针对弱纹理区域的立体匹配算法
本专利技术涉及数字图像处理领域，具体涉及一种针对弱纹理区域的立体匹配算法。
技术介绍
双目立体视觉是计算机视觉的一个重要研究课题,双目立体视觉通过摄像机模拟人眼构造，通过比较同一场景下通过两个不同角度采集到的的不同图像信息,利用计算机模拟大脑进行处理，获取物体的三维坐标信息。双目立体视觉直接模拟人类观察外界事物的方式，具有成本低、效率高等优点。双目立体视觉系统主要包括图像采集、摄像机标定、图像校正、立体匹配、三维重建，其中立体匹配是立体视觉中是最重要的环节，决定最后匹配视差图的结果,也决定了最终恢复的三维信息正确性。立体匹配的内容主要是建立两幅二维图像之间的像素对应关系，计算视差，获取视差图像。立体匹配中难以攻克的问题主要有光照影响,遮挡引起的误匹配和所属场景低纹理区域的误匹配。低纹理区域内由于每个像素点的像素值非常接近，匹配时区域间差异不明显，容易导致匹配结果错误。基于局部的立体匹配包括四个步骤：匹配代价的计算、匹配代价聚合、计算视差、结果优化。常用的代价计算方法包括有基于像素点的匹配代价计算：绝对差absolutedifference(AD),平方差squareddifferences(SD)，截断绝对差等truncatedabsolutedifference(TAD)等，以及基于区域的匹配代价计算：绝对差和sumofabsolutedifference(SAD),平方差和sumofsquareddifferences，hadamard变换法sumofabsolutetransformeddifference(SATD)等)。常用的代价聚合方法包括有基于滤波器的代价聚合方法(bilateralfilter，guidedimagefilter，boxfilter等)以及基于分割树的代价聚合方法等等。目前大多数对立体匹配算法的改进研究集中于对前两步骤进行改进，但目前并没有鲁棒性非常好的匹配算法提出，大多需要根据图像特点及处理需求设计对应的匹配方法。
技术实现思路
为了克服现有技术存在的缺点与不足，本专利技术提供一种针对弱纹理区域的立体匹配算法。本专利技术采用如下技术方案：一种针对弱纹理区域的立体匹配算法，包括如下步骤：S1对输入图像进行图像校正，将校正后的图像对进行尺度变换，获得不同尺度下图像对；S2采用Canny算法检测图像边缘，通过闭运算获得平滑连续的边界并标记边缘位置，边缘内的区域则为弱纹理区域；S3检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围；S4采用改进的滑动窗口方法计算各尺度图像像素间匹配代价；S5采用正则化约束下的多尺度的代价聚合函数计算视差搜索范围内的各视差值对应的聚合代价，选择最小聚合代价所对应的视差值作为像素视差值；S6通过遍历原始图像像素得到稠密视差图。所述S1中采用高斯金字塔的方法获得不同尺度下图像对。所述S3中检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围，具体为：校正后的图像对包括左图及右图，提取两幅图像中的Harris角点作为特征点，将左图设为基准图像，取出其中一个特征点，在满足极线约束的条件下找出该点在右图中的对应点，若右图中有不止一个特征点满足条件，则通过计算最近距离与次近距离的比值确定其是否为匹配特征点，直到遍历基准图像中的所有特征点，得到匹配点集；对匹配点集进行视差求解，通过对特征点的位置判断，综合某一连通域内的所有特征点的视差，确定该连通域内的视差搜索范围。所述S4采用改进的滑动窗口方法计算各尺度图像像素见匹配代价，具体为：判断像素点i是否位于图像边缘上，如果是，则该像素点为中心像素点，对其八邻域中的点进行区域判别，按照区域的优先级别，只计算优先级高的区域内像素点的匹配代价，得到最优值；如果不是图像边缘，则通过S3得到视差搜索范围，设定匹配代价计算时的窗口大小，进一步求解匹配代价。所述区域包括单连通域、多连通域及其他区域，优先顺序为单连通域>多连通域>其他区域。S5，具体为：计算各个尺度下图像的各像素对的匹配代价；计算单一尺度下的匹配代价的聚合结果；通过正则化约束下求解多尺度图像的融合的匹配代价；选取匹配代价最小的点为对应点；获得最终的视差值。匹配代价聚合模型：其中，l为未知的视差变量，j是以像素i为中心的窗口N内的其他像素点，z为整体代价，K(i,j)为一可以体现i,j两点间相似程度的核函数。采用WTA策略选取匹配代价最小的点为对应点。本专利技术的有益效果：1.通过对边缘特征的提取以及区域的判断，针对不同标记区域各自特点在计算匹配代价时采用不同的窗口并在代价聚合步骤对函数中的参数进行恰当的设置，使得最终结果对低纹理区域及深度突变区域均有较高的准确度；2.通过对角点特征的提取及匹配，获得图像中各个区域的较为合理的视差范围估计，可一定程度上减少匹配时的计算量。附图说明图1是本专利技术的工作流程示意图；图2是S4的流程示意图；图3是改进的滑动窗口方法示意图；图4是S5的流程示意图。具体实施方式下面结合实施例及附图，对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例如图1-图4所示，一种针对弱纹理区域的立体匹配算法，包括如下步骤：S1对输入图像进行图像校正，将校正后的图像对进行尺度变换，获得不同尺度下的图像对，校正后的图像对包括左图及右图，选取左图为基准图像。对于人类视觉来说，在由远到近观察同一幅图像时，图像的大小、模糊程度以及观察到的主要信息都是不同的。图像的多尺度变换与之性质类似，其中图像金字塔是图像多尺度表达的一种，是层层排列的分辨率逐渐降低、尺寸逐渐减小的图像集合。高斯金字塔是实际应用中最为常用的一种，通过构造高斯金字塔，突出不同尺度下图像的主要特征，然后对多个尺度图像的匹配代价结果进行融合求解聚合代价可以更准确地描述像素区域特征，获得更好的匹配效果。构造图像高斯金字塔的步骤包括使用高斯低通滤波器对图像进行模糊化以及抽样两个步骤，本专利技术实现时采用5*5的高斯核对原图像Gi进行卷积操作获得模糊图像，然后进行下采样操作获得上层图像G(i+1)。S2采用Canny算法检测图像边缘，通过闭运算获得平滑连续的边界并标记边缘位置，边缘内的区域则为弱纹理区域；由于图像中的背景是一个开放的区域，而本专利技术的重点是针对具有表面低纹理特点的观测物品区域的匹配，因此可以将连通域内区域均视作低纹理区域，在后续计算聚合匹配代价时采用更大的正则化因子，加强像素不同尺度间的一致性约束，获得更好的匹配结果。Canny边缘检测算法能够较准确的检测出图像中尽可能多的边缘，其实现主要包括以下三个步骤：首先利用一阶偏导的有限差分计算出图像灰度值的梯度幅值跟方向，然后对梯度幅值进行极大值抑制以此减少误检的可能性，最后用双阈值法连接边缘。本实施例中水平及垂直方向的差分Gx和Gy一般通过如下两个卷积核求得：Gx＝K_Gx*GGy＝K_Gy*G相应的梯度幅值M跟相角θ可根据坐标转换公式得到：S3检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围，具体为：校正后的图像对包括左图及右图，提取两幅图像中的Harris角点作为特征点，将左图设为本文档来自技高网...
【技术保护点】
1.一种针对弱纹理区域的立体匹配算法，其特征在于，包括如下步骤：S1 对输入图像进行图像校正，将校正后的图像对进行尺度变换，获得不同尺度下图像对；S2 采用Canny算法检测图像边缘，通过闭运算获得平滑连续的边界并标记边缘位置，边缘内的区域则为弱纹理区域；S3 检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围；S4 采用改进的滑动窗口方法计算各尺度图像像素间匹配代价；S5 采用正则化约束下的多尺度的代价聚合函数计算视差搜索范围内的各视差值对应的聚合代价，选择最小聚合代价所对应的视差值作为像素视差值；S6 通过遍历原始图像像素得到稠密视差图。
【技术特征摘要】
1.一种针对弱纹理区域的立体匹配算法，其特征在于，包括如下步骤：S1对输入图像进行图像校正，将校正后的图像对进行尺度变换，获得不同尺度下图像对；S2采用Canny算法检测图像边缘，通过闭运算获得平滑连续的边界并标记边缘位置，边缘内的区域则为弱纹理区域；S3检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围；S4采用改进的滑动窗口方法计算各尺度图像像素间匹配代价；S5采用正则化约束下的多尺度的代价聚合函数计算视差搜索范围内的各视差值对应的聚合代价，选择最小聚合代价所对应的视差值作为像素视差值；S6通过遍历原始图像像素得到稠密视差图。2.根据权利要求1所述的立体匹配算法，其特征在于，所述S1中采用高斯金字塔的方法获得不同尺度下图像对。3.根据权利要求1所述的立体匹配算法，其特征在于，所述S3中检测校正后图像对的Harris角点并进行特征点的匹配，确定同一连通域内的视差搜索范围，具体为：校正后的图像对包括左图及右图，提取两幅图像中的Harris角点作为特征点，将左图设为基准图像，取出其中一个特征点，在满足极线约束的条件下找出该点在右图中的对应点，若右图中有不止一个特征点满足条件，则通过计算最近距离与次近距离的比值确定其是否为匹配特征点，直到遍历基准图像中的所有特征点，得到匹配点集；对匹配点集进行视差求解，通过对...
【专利技术属性】
技术研发人员：杜娟，沈思昀，冯颖，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44
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。