【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种保持边缘并提高匹配精度的立体匹配方法。
技术介绍
1、立体匹配算法在计算机视觉、摄影测量、机器人技术、自动驾驶、三维重建和虚拟现实等领域发挥着重要作用。立体匹配通过利用同名点的信息，将二维图像中的像素匹配起来，重建三维场景的深度信息。
2、然而，传统的立体匹配方法在实际应用中常常面临一些挑战。其中，视差模糊和边缘扩展现象是两个主要问题。这些问题不仅影响了视差图的精度，还直接影响到三维重建的效果。三维重建需要高精度的视差图作为基础，如果视差图质量不佳，那么重建的三维模型将会出现形变、不连贯等问题，无法真实反映实际场景。这对于需要高精度三维数据的应用，例如自动驾驶、虚拟现实和机器人导航等，带来了很大的挑战。
3、立体匹配主要包含代价计算、代价聚合、视差计算和视差优化四个步骤。传统方法多采用单一的代价计算方法，这些方法都不能较好地适应各种复杂场景。为此，本文提出了一种基于图像分割块边界引导和约束的立体匹配方法，旨在保证边缘匹配效果的同时，提高整体匹配精度，且具有一定的鲁棒性。
技术实现思路
1、本专利技术的目的是针对传统立体匹配方法中常出现的视差模糊或边缘扩展现象，提供一种基于分割块引导以提高立体匹配算法精度的方法。
2、为实现上述目的，本专利技术采取以下技术方案：
3、一种基于图像分割块边界引导和约束的立体匹配方法，包括以下步骤：
4、1)对原始影像进行去畸变以及极线校正，将视差搜索范围
5、2)对左右极线影像进行均值漂移图像分割，获取其分割块边界信息。
6、3)对常规sobel算子进行改进，拓展为四方向sobel算子和八方向sobel算子。
7、4)基于分割块自适应融合梯度信息，计算左影像像素p在视差为d时的初始代价。
8、5)采用分割块边界限制构建自适应十字交叉臂进行代价聚合。
9、6)采用“wta”(胜者为王)策略进行视差计算。
10、7)采用左右一致性检测、视差填充和中值滤波进行视差优化，得到最终视差图。
11、所述步骤2)包括以下步骤：
12、s21：使用技术为mean-shift图像分割，具体包括以下步骤：①初始种子点选取；②核密度估计值计算；③均值漂移向量计算；④种子点更新；⑤收敛判断；⑥样本点归类。最终得到划分为若干个的具有相似属性的区域，即一系列分割块。
13、s22：判断像素是否处于分割块的边界上。
14、
15、s(x，y)为像素(x，y)所处分割块的标签，通过判断该像素相邻的左右或者上下像素标签是否一致来判断像素(x,y)是否位于分割块边界处。如果指示函数为1，则说明此像素位于分割块边界上；否则，位于分割块内部。
16、所述步骤3)改进的四方向sobel算子检测方向为0°、45°、90°和135°；改进的八方向sobel算子检测方向0°、22.5°、45°、67.5°、90°、112.5°、135°和157.5°。
17、所述步骤4)包括以下步骤：
18、s41：基于步骤2)获得的分割块边缘信息引导步骤3)获得的改进四方向sobel算子和八方向sobel算子对双目影像进行梯度提取，即对于分割块边界处，使用四方向sobel算子提取梯度，对于非分割块边界处，使用八方向sobel算子提取梯度。
19、s42：计算左影像像素点与右影像对应的同名点在三个通道(rgb)下的颜色差异，计算得到ad(绝对差值)代价。
20、s43：计算出左右影像的灰度图像从而获得灰度信息。以左影像的像素点p和右影像对应的同名点p+d为中心，各自建立一个5*5像素大小的窗口，通过判断每个窗口内的像素值是否大于中心像素值来进行census编码。计算同名点的census编码之间的汉明距离以获得census代价。
21、s44：基于分割块边界引导的自适应融合梯度信息的代价计算，
22、所述步骤5)具体包括以下步骤：
23、s51：基于分割块边界自适应构建十字交叉臂，使用颜色距离和空间距离来限制臂的长度，并且根据空间距离阈值来调整颜色阈值。设置一个判断纹理丰富程度的颜色阈值，如果超过这个阈值，则认为处于纹理丰富区域，基于分割块边界来限制臂的长度，获得与像素颜色相关性更高的聚合区域。反之，不做约束。根据上述方法构建水平臂和垂直臂后，依次从水平方向和垂直方向进行聚合，最终完成代价聚合步骤。
24、进一步地，步骤6)的具体步骤如下：
25、根据“wta”原则，每个像素都在视差范围内选择出代价聚合后的代价最小值所对应的视差值作为初始视差值。
26、进一步地，步骤7)的具体步骤如下：
27、①将左右影像互换，进行左右一致性检测，将视差值不一致的点分为误匹配点和遮挡点；②针对上述得到的遮挡点与误匹配点从十六个方向选择可靠像素进行视差填充，如果像素p是遮挡点，则选取这些方向中最小或者次最小的像素作为可靠像素。如果像素p是误匹配点，则选取这些方向中的像素中值作为可靠点；③使用3×3的滑动窗口遍历整个视差图进行中值滤波后生成最终的视差图。
28、本专利技术采用以上技术方案，其具有以下优点：
29、1、边缘效果保持出色：由于传统的立体匹配方法容易出现视差模糊和边缘扩展现象，边缘不清晰。本专利技术引入了根据分割块边界自适应融合梯度信息的方法，可以很好的保持视差图中的边缘特性。
30、2、匹配精度高：本专利技术在代价聚合部分根据纹理丰富的程度，自适应地以分割块边界为约束限制十字交叉臂的长度，构建相关性更强的代价聚合区域。显著提升了立体匹配的精度，恢复出更多有效视差点。
本文档来自技高网...【技术保护点】
1.一种基于图像分割块边界引导和约束的立体匹配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，步骤S2中，
3.根据权利要求1所述的方法，其特征在于，步骤S3中，
4.所述步骤S5具体包括以下步骤：
【技术特征摘要】
1.一种基于图像分割块边界引导和约束的立体匹配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，步...
【专利技术属性】
技术研发人员：王强，赵海盟，刘宇晗，王顺，邹月，
申请(专利权)人：天津师范大学，
类型：发明
国别省市：
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。