基于半全局立体匹配的视差图确定方法技术

本公开涉及一种基于半全局立体匹配的视差图确定方法

【技术实现步骤摘要】
基于半全局立体匹配的视差图确定方法、装置、介质及设备


[0001]本公开涉及图像处理
，尤其涉及一种基于半全局立体匹配的视差图确定方法
、
装置
、
介质及设备
。

技术介绍

[0002]三维图像重建在工业检查
、
物流包裹检测等
应用广泛
。
其中，立体匹配是三维图像重建中的重要组成部分，立体匹配是通过模拟人眼的功能完成三维图像重建，立体匹配的匹配精度直接决定了三维图像重建的效果
。
立体匹配主要有以下几种：全局立体匹配
、
局部立体匹配和半全局立体匹配
。
[0003]半全局立体匹配综合了全局立体匹配的精度和局部立体匹配的快速性，并运用一维多路径的方式转化解决了二维动态规划问题，降低了算法的复杂度，提高了运行速度和鲁棒性，且针对无纹理和边缘区域匹配的准确性较高
。
在半全局立体匹配的代价计算部分常用的算法有
Census
变换，由于传统的
census
变换过于依赖中心像素的灰度值，若中心像素受到噪声干扰，发生突变，则会对匹配代价的计算产生非常严重的影响，影响视差图的匹配精度
。

技术实现思路

[0004]为克服相关技术中存在的问题，本公开提供一种基于半全局立体匹配的视差图确定方法
、
装置
、
介质及设备
。
[0005]本公开的实施方式中，第一方面提供一种基于半全局立体匹配的视差图确定方法，包括：
[0006]获取相邻的待匹配图像，以及确定视差搜索范围和领域窗口；
[0007]将所述相邻的待匹配图像转换为对应的
RGB
图像，并将对应的所述
RGB
图像进行灰度转换，得到对应的所述灰度图像，并计算所述灰度图像中各像素的灰度值的一阶梯度值，得到对应的梯度图像；
[0008]根据所述领域窗口，分别确定所述灰度图像中的中心像素的灰度二进制数匹配代价，以及所述梯度图像中像素的的中心像素的梯度二进制数匹配代价；
[0009]计算两个所述中心像素的灰度二进制数匹配代价和梯度二进制数匹配代价的汉明距离，得到十进制数匹配代价立方体；
[0010]对所述
RGB
图像中像素进行超像素图像分割，确定每一所述像素所属的目标区域；
[0011]在所述目标区域内，针对每个所述像素，在所述视差搜索范围内不同视差下，向两边以聚合路径的法线方向均匀展开，聚合路径为对称轴，从
N
个不同的方向聚合所述像素的汉明距离匹配代价，得到所述视差搜索范围内不同视差下对应方向上的初始匹配代价；
[0012]将各所述视差搜索范围内各方向的初始匹配代价结合平滑项进行累加，计算得到视差搜索范围内不同视差下该像素的聚合代价，并根据所述聚合代价对所述十进制数匹配代价立方体进行更新；
[0013]针对更新后的十进制数匹配代价立方体中的每一个像素，比较视差搜索范围内不同视差下的所有代价值，选取最小代价值作为该像素的视差值，遍历所述更新后的十进制数匹配代价立方体，根据各所述像素的视差值，得到所述相邻的待匹配图像的视差图
。
[0014]在一种优选的实施方式中，所述根据所述领域窗口，分别确定所述灰度图像中的中心像素的灰度二进制数匹配代价，以及所述梯度图像中像素的的中心像素的梯度二进制数匹配代价的步骤，包括：
[0015]分别根据各所述灰度图像中各像素的灰度值和各所述梯度图像中像素的灰度值的一阶梯度值，得到对应的二维灰度矩阵和二维梯度矩阵；
[0016]根据所述领域窗口，分别创建针对所述二维灰度矩阵和所述二维梯度矩阵的子领域窗口；
[0017]计算所述子领域窗口内覆盖的所述二维梯度矩阵中各像素的平均梯度值和所述二维灰度矩阵中各像素的平均灰度值；
[0018]根据所述平均灰度值以及所述子领域窗口内覆盖的所述二维灰度矩阵中各目标像素的灰度值，确定所述目标像素的灰度二进制数，所述平均灰度值与所述目标像素的所述灰度值的大小关系不同，所述目标像素的灰度二进制数不同，以及根据所述平均梯度值以及所述子领域窗口内覆盖的所述二维梯度矩阵中各所述目标像素的一阶梯度值，确定所述目标像素的梯度二进制数，所述平均梯度值与所述目标像素的所述灰度值的大小关系不同，所述目标像素的梯度二进制数不同；
[0019]根据同一位置上，分别遍历根据相邻待匹配图像子领域窗口内覆盖的所述二维灰度矩阵中每个目标像素的灰度值和子领域窗口内的灰度均值的大小关系，确定该目标像素的灰度二进制数匹配代价，以及根据同一位置上，分别遍历根据相邻待匹配图像子领域窗口内覆盖的所述二维梯度矩阵中每个目标像素的梯度值和子领域窗口内的梯度均值的大小关系，确定该目标像素的梯度二进制数匹配代价
。
[0020]在一种优选的实施方式中，所述计算两个所述中心像素的灰度二进制数匹配代价和梯度二进制数匹配代价的汉明距离，得到十进制数匹配代价立方体的步骤，包括：
[0021]确定两个所述二维梯度矩阵中，相同位置上对应的所述梯度二进制数匹配代价不同的目标像素的数量，得到所述梯度图像中所述中心像素的梯度十进制数匹配代价，以及确定两个所述二维灰度矩阵中，相同位置上对应的所述灰度二进制数匹配代价不同的目标像素的数量，得到所述灰度图像中所述中心像素的灰度十进制数匹配代价；
[0022]根据所述梯度图像中所述中心像素的梯度十进制数匹配代价以及所述灰度图像中所述中心像素的灰度十进制数匹配代价，确定所述十进制数匹配代价立方体
。
[0023]在一种优选的实施方式中，所述确定两个所述二维灰度矩阵中，相同位置上对应的所述灰度二进制数匹配代价不同的目标像素的数量，得到所述灰度图像中所述中心像素的灰度十进制数匹配代价的步骤，包括：
[0024]若两个所述二维梯度矩阵同一位置上，相邻的待匹配图像对应的二进制数不相同，则该目标像素的十进制灰度匹配代价在预设初始匹配代价上执行加1，其中，所述预设初始匹配代价为0；
[0025]若同一位置上，相邻的待匹配图像对应的二进制数相同，则该目标像素的灰度十进制数匹配代价不变，并进行下一位置上所述灰度二进制数的比较，直到比较完所有的所
述灰度二进制数；
[0026]所述确定两个所述二维梯度矩阵中，相同位置上对应的所述梯度二进制数匹配代价不同的目标像素的数量，得到所述梯度图像中所述中心像素的梯度十进制数匹配代价的步骤，包括：
[0027]若两个所述二维梯度矩阵中同一位置上，相邻的待匹配图像对应的二进制数不相同，则该目标像素的梯度十进制数匹配代价在所述预设初始匹配代价上执行加1；
[0028]若两个所述二维梯度矩阵同一位置上，相邻的待匹配图像对应的梯度二进制数相同，则该目标像素的梯度十进制数匹配不变，并进行下一位置上所述梯度二进制数的比较，直到比较完所有的所述梯度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于半全局立体匹配的视差图确定方法，其特征在于，包括：获取相邻的待匹配图像，以及确定视差搜索范围和领域窗口；将所述相邻的待匹配图像转换为对应的
RGB
图像，并将对应的所述
RGB
图像进行灰度转换，得到对应的所述灰度图像，并计算所述灰度图像中各像素的灰度值的一阶梯度值，得到对应的梯度图像；根据所述领域窗口，分别确定所述灰度图像中的中心像素的灰度二进制数匹配代价，以及所述梯度图像中像素的的中心像素的梯度二进制数匹配代价；计算两个所述中心像素的灰度二进制数匹配代价和梯度二进制数匹配代价的汉明距离，得到十进制数匹配代价立方体；对所述
RGB
图像中像素进行超像素图像分割，确定每一所述像素所属的目标区域；在所述目标区域内，针对每个所述像素，在所述视差搜索范围内不同视差下，向两边以聚合路径的法线方向均匀展开，聚合路径为对称轴，从
N
个不同的方向聚合所述像素的十进制数匹配代价，得到所述视差搜索范围内不同视差下对应方向上的初始匹配代价；将各所述视差搜索范围内各方向的初始匹配代价结合平滑项进行累加，计算得到视差搜索范围内不同视差下该像素的聚合代价，并根据所述聚合代价对所述十进制数匹配代价立方体进行更新；针对更新后的十进制数匹配代价立方体中的每一个像素，比较视差搜索范围内不同视差下的所有代价值，选取最小代价值作为该像素的视差值，遍历所述更新后的十进制数匹配代价立方体，根据各所述像素的视差值，得到所述相邻的待匹配图像的视差图
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述领域窗口，分别确定所述灰度图像中的中心像素的灰度二进制数匹配代价，以及所述梯度图像中像素的的中心像素的梯度二进制数匹配代价的步骤，包括：分别根据各所述灰度图像中各像素的灰度值和各所述梯度图像中像素的灰度值的一阶梯度值，得到对应的二维灰度矩阵和二维梯度矩阵；根据所述领域窗口，分别创建针对所述二维灰度矩阵和所述二维梯度矩阵的子领域窗口；计算所述子领域窗口内覆盖的所述二维梯度矩阵中各像素的平均梯度值和所述二维灰度矩阵中各像素的平均灰度值；根据所述平均灰度值以及所述子领域窗口内覆盖的所述二维灰度矩阵中各目标像素的灰度值，确定所述目标像素的灰度二进制数，所述平均灰度值与所述目标像素的所述灰度值的大小关系不同，所述目标像素的灰度二进制数不同，以及根据所述平均梯度值以及所述子领域窗口内覆盖的所述二维梯度矩阵中各所述目标像素的一阶梯度值，确定所述目标像素的梯度二进制数，所述平均梯度值与所述目标像素的所述灰度值的大小关系不同，所述目标像素的梯度二进制数不同；根据同一位置上，分别遍历根据相邻待匹配图像子领域窗口内覆盖的所述二维灰度矩阵中每个目标像素的灰度值和子领域窗口内的灰度均值的大小关系，确定该目标像素的灰度二进制数匹配代价，以及根据同一位置上，分别遍历根据相邻待匹配图像子领域窗口内覆盖的所述二维梯度矩阵中每个目标像素的梯度值和子领域窗口内的梯度均值的大小关系，确定该目标像素的梯度二进制数匹配代价
。
3.
根据权利要求2所述的方法，其特征在于，所述计算两个所述中心像素的灰度二进制数匹配代价和梯度二进制数匹配代价的汉明距离，得到十进制数匹配代价立方体的步骤，包括：确定两个所述二维梯度矩阵中，相同位置上对应的所述梯度二进制数匹配代价不同的目标像素的数量，得到所述梯度图像中所述中心像素的梯度十进制数匹配代价，以及确定两个所述二维灰度矩阵中，相同位置上对应的所述灰度二进制数匹配代价不同的目标像素的数量，得到所述灰度图像中所述中心像素的灰度十进制数匹配代价；根据所述梯度图像中所述中心像素的梯度十进制数匹配代价以及所述灰度图像中所述中心像素的灰度十进制数匹配代价，确定所述十进制数匹配代价立方体
。4.
根据权利要求3所述的方法，其特征在于，所述确定两个所述二维灰度矩阵中，相同位置上对应的所述灰度二进制数匹配代价不同的目标像素的数量，得到所述灰度图像中所述中心像素的灰度十进制数匹配代价的步骤，包括：若两个所述二维梯度矩阵同一位置上，相邻的待匹配图像对应的二进制数不相同，则该目标像素的十进制灰度匹配代价在预设初始匹配代价上执行加1，其中，所述预设初始匹配代价为0；若同一位置上，相邻的待匹配图像对应的二进制数相同，则该目标像素的灰度十进制数匹配代价不变，并进行下一位置上所述灰度二进制数的比较，直到比较完所有的所述灰度二进制数；所述确定两个所述二维梯度矩阵中，相同位置上对应的所述梯度二进制数匹配代价不同的目标像素的数量，得到所述梯度图像中所述中心像素的梯度十进制数匹配代价的步骤，包括：若两个所述二维梯度矩阵中同一位置上，相邻的待匹配图像对应的二进制数不相同，则该目标像素的梯度十进制数匹配代价在所述预设初始匹配代价上执行加1；若两个所述二维梯度矩阵同一位置上，相邻的待匹配图像对应的梯度二进制数相同，则该目标像素的梯度十进制数匹配不变，并进行下一位置上所述梯度二进制数的比较，直到比较完所有的所述梯度二进制数
。5.
根据权利要求2所述的方法，其特征在于，所述根据所述平均梯度值以及所述子领域窗口内覆盖的所述二维梯度矩阵中各目标像素的一阶梯度值，确定所述目标像素的梯度二进制数的步骤，包括：若所述平均梯度值大于所...

【专利技术属性】
技术研发人员：陈锡爱，冯佳灵，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：