当前位置: 首页 > 专利查询>上海大学专利>正文

一种改进的自适应权重视差匹配方法组成比例

技术编号:9008045 阅读:164 留言:1更新日期:2013-08-08 02:59
本发明专利技术涉及一种自适应权重立体匹配方法。本方法的操作步骤如下:(1)计算自适应权重;(2)基于权重的匹配代价计算;(3)视差的选取。本发明专利技术在原有的自适应权重匹配算法的基础上,既利用分割的色彩区域分别进行权重的计算,又考虑了自适应权重基于区域的相似性和接近性的影响差异,能够获得较高的匹配精确度。

【技术实现步骤摘要】

本专利技术涉及立体视觉
,尤其涉及一种自适应权重立体匹配方法。
技术介绍
近年来,随着多媒体、Internet等技术的发展,普通二维观感的图像、视频越来越无法满足人们的观赏需求。接近真实场景的三维成像及环视的视觉体验已越来越被大众所期待。随之,立体视觉系统作为一种新兴的媒体系统,能够在很大程度上满足人们的视觉体验,而受到越来越多的研究者和商业机构的关注。视差信息是立体视觉系统的基础,而立体匹配技术是获取视差信息的主要手段。故而,双目立体匹配问题作为立体视觉的关键成为计算机视觉领域研究的热点。上世纪七十年代末,MIT的Marr教授首次从信息处理的角度综合了图像处理、心理物理学、神经生物学及临床神经病学的研究成果,提出了第一个较为完善的视觉系统框架。大大促进了立体视觉技术的发展,立体匹配问题一直扮演着至关重要的角色。目前存在的立 体匹配算法,由于立体匹配方法的不确定性,并没有一种统一的方式来解决立体匹配的问题。根据不同匹配基元及算法依据等有着不同的分类标准。目前广泛认可的一种分类即局部匹配算法和全局匹配算法两大类。虽然全局立体匹配算法对于克服图像匹配的歧义性有很好的效果,但其算法代价过于昂贵。而局部立体匹配算法,为了消除匹配的歧义性,多采用窗口聚集的方法。由于传统的固定窗口算法的诸多缺陷,多窗口、自适应窗口匹配算法的提出,在一定程度上提高了匹配的精确度。自适应窗口的目的是为每一个像素找到一个最佳的支持窗口,它通过迭代不同尺寸窗口从而选取合适的窗口大小。该算法计算资源消耗很大,而其快速的窗口选取算法又无法得到较好的窗口尺寸,影响匹配精度。另大多数改进的自适应窗口立体匹配算法对于参数的选取也非常敏感,匹配精度无法与全局立体匹配算法相媲美。自适应权重算法于2006年由Yoon和Kweon首次在文献中提出并应用于立体匹配算法中。自适应权重算法不需对匹配窗口进行调整、改变,仅仅利用固定窗口中的图像信息(物理空间和色彩空间)对匹配代价函数进行自适应的调整。对于匹配窗口中的点,根据其与中心点的物理距离与色彩差异信息分配权重,距离中心点越远则分配物理空间权重越大。色彩差异越小,分配的色彩权重越大。自适应权重算法因为不需要对支持窗口大小进行选择调整,目前成为很多立体视觉系统研究者的关注和研究基础。但该经典自适应权重算法在边缘区域、纹理密集区域、重复纹理区域及同质区域,易产生误匹率,其在匹配的鲁棒性上存在不足。而这些不足归根结底在于经典自适应权重算法对于整幅图像应用格式塔准则。不断有学者在此基础上改进其算法,并取得更为理想的结果。其基本思想为将经典自适应权重算法结合彩色分割区域,分别考虑色彩权重和物理空间权重影响,并取得了更为理想的结果。基于分割区域的自适应权重算法的优点是其充分利用了分割后的彩色区域,区别对待的分配色彩和物理空间权重。这样合理分配权重信息,提高了权重计算的稳定性。自适应权重算法用于视差匹配中,是针对参考图像和目标图像的,即对于参考图像和目标图像都要进行自适应权重的计算。文献将参考图像和目标图像分别进行分割后,在分割的彩色区域上,计算自适应权重。文献所提出的算法,由于综合考虑了色彩区域对于相似性和接近性两方面权重的影响程度,从而在一定程度上提高了匹配的精确度和算法的鲁棒性。但其算法完全未考虑物理空间信息的影响。同时,对于图像的彩色分割方面,视差匹配的目的在于为参考图像中的待匹配点找到正确的视差值,因此,在利用绝对值差之和TAD (Total Absolute Difference)进行匹配代价计算以及采用自适应权重进行匹配代价叠加这样的像素基元匹配策略时,对于目标图像的彩色分割其实意义不大。本专利技术申请一种改进的自适应权重视差匹配算法既考虑了 mean-shift分割图像的必要性,又考虑了自适应权重基于区域的相似性和接近性的影响差异,进而得到优于文献,的匹配精确度。文献: K.J.Yoon, 1.S.Kweon: Adaptive support-weight approach forcorrespondence search.1EEE Transaction, on PAMI, Vol.28, N0.4, pp.650-656,April 2006.文献: F.Tombari, S.Marroccia, L.Di Stefan0.Segmentation-basedadaptive support for accurate stereo correspondence.1EEE Pacific-Rim Symposiumon Image and Video Technology (PSIVT 2007).
技术实现思路
本专利技术的目的是提供,该算法相对于经典自适应权重算法能够降低匹配的误差率。为达到上述目的,本专利技术采用如下的技术方案: ,其特征在于操作步骤如下: (1)分别计算目标图像和参考图像的自适应权重; (2)计算基于权重的匹配代价; (3)选取视差。所述步骤(I)分别计算目标图像和参考图像的自适应权重的操作步骤如下: ①对参考图像进行mean-shift彩色分割; ②对分割后参考图像自适应权重的计算分别考虑色彩空间权重和物理空间权重影响,对位于相同分割区域中的权重仅考虑物理空间影响;对于不同分割区域中的权重仅考虑色彩空间的影响;具体即为:在色彩相近的区域,不是以偏概全的将其同一色彩区域内的像素权重设定为1,而是考虑到可能分割带来的误差,加入了物理空间的考虑因素来权衡匹配代价的叠加,因此,不易产生因分割误差而带来的累加误匹配;而在色彩相近的边缘区域,因为设定了色彩权重为1,此区域只受物理空间权重的影响,不会因为色彩权重过小,而使得物理空间权重偏小,因此不易产生误匹配,提高了算法的鲁棒性; ③对目标图像不进行分割,其自适应权重采用经典自适应权重算法计算。所述步骤(2)计算基于权重的匹配代价的操作步骤如下: 利用步骤(I)计算所得的自适应权重,对匹配代价函数进行聚集,并用绝对差值之和TAD作为匹配代价函数。所述步骤(3)选取视差的操作步骤如下: 通过胜者全取方法找到相关性最高的匹配窗,从而得到最终的视差值。本专利技术的与已有技术相比具有如下有益效果:I)、本专利技术在非遮挡区域、同质区域、纹理密集区域及边缘区域均明显优于经典自适应权重算法,同时本专利技术在对边缘区域及非遮挡区域的处理上优于存在的自适应权重算法。2)、本专利技术提出的算法对纹理、结构信息多变的图像处理更有优势,且鲁棒性很好。附图说明图1是本专利技术中的原理框图。图2是自适应权重计算的框图。图3是基于权重的匹配代价计算的框图。图4是选取视差的框图。图5是本专利技术提供的算法与文献和文献的算法误匹配率对比。图6是本专利技术提供的算法与文献和文献的匹配结果对比。 具体实施例方式以下结合附图对本专利技术的优选实施例作进一步的详细说明: 实施例一: 本实施例,参见图1,包括以下步骤: (1)分别计算目标图像和参考图像的自适应权重, (2)计算基于权重的匹配代价, (3)选取视差。实施例二:本实施例与实施例一基本相同,特别之处如下: 上述步骤(I)是分别计算目标图像和参考图像的自适应权重,参见图2,其具体步骤如下: (1-1)对参考图像本文档来自技高网
...

【技术保护点】
一种改进的自适应权重视差匹配方法,其特征在于操作步骤如下:(1)分别计算目标图像和参考图像的自适应权重;(2)计算基于权重的匹配代价;(3)选取视差。

【技术特征摘要】

【专利技术属性】
技术研发人员:王永芳杨萍商习武宋允东罗丽冬张兆杨
申请(专利权)人:上海大学
类型:发明
国别省市:

网友询问留言 已有1条评论
  • 来自[北京市电信互联网数据中心] 2014年12月10日 03:41
    动词认为很重要而认真对待的意思
    0
1