[發(fā)明專(zhuān)利]一種基于改進(jìn)梯度和自適應(yīng)窗口的立體匹配方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410258432.2
• 申請(qǐng)日: 2014-06-11
• 公開(kāi)（公告）號(hào): CN103996201A
• 公開(kāi)（公告）日: 2014-08-20
• 發(fā)明（設(shè)計(jì)）人: 祝世平;李政
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京航空航天大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于改進(jìn)梯度和自適應(yīng)窗口的立體匹配方法，其特征在于：該方法在傳統(tǒng)梯度匹配代價(jià)僅包含幅值信息的基礎(chǔ)上，引入梯度相位信息，并對(duì)原始匹配代價(jià)進(jìn)行變換，進(jìn)一步消除異常值；然后利用圖像結(jié)構(gòu)和色彩信息構(gòu)建自適應(yīng)窗口進(jìn)行代價(jià)聚合及“勝者為王”(Winner-Takes-All(WTA))策略進(jìn)行視差選擇；最后，提出一種局部視差直方圖的視差精化方法，獲得了高精度的視差圖。方法具體步驟如下：

步驟一：匹配代價(jià)計(jì)算：匹配代價(jià)是左右圖像之間對(duì)應(yīng)點(diǎn)相似度的度量，利用梯度向量在圖像x、y方向的兩個(gè)分量，定義梯度向量的模m和相角然后采用模和相角的線性結(jié)合作為匹配代價(jià)函數(shù)，以便最大限度利用梯度信息。最后利用Geman-McClure函數(shù)對(duì)原始匹配代價(jià)函數(shù)進(jìn)行變換以消除異常代價(jià)值的影響。

步驟二：自適應(yīng)窗口構(gòu)造：對(duì)待匹配圖像的每個(gè)像素構(gòu)造一個(gè)自適應(yīng)大小的聚合窗口，窗口的大小將直接決定參與聚合的鄰域像素多少。本發(fā)明采用一種改進(jìn)的十字交叉自適應(yīng)窗口生成方法，可以根據(jù)相鄰像素的色彩和空間位置關(guān)系構(gòu)建自適應(yīng)窗口。在低紋理區(qū)域，提供較大的窗口以提高匹配精度；而在高紋理區(qū)域則產(chǎn)生較小的窗口，以保護(hù)物體邊緣等細(xì)節(jié)信息。

步驟三：代價(jià)聚合：確定每個(gè)像素的自適應(yīng)窗口之后，需對(duì)窗口內(nèi)每個(gè)單像素的原始匹配代價(jià)進(jìn)行聚合獲得總代價(jià)，最后選擇使總代價(jià)最小對(duì)應(yīng)的視差值作為初始匹配結(jié)果。

步驟四：視差精化：通過(guò)上述步驟得到的初始視差與真實(shí)視差還存在一些誤匹配點(diǎn)和不可信值，需要進(jìn)行視差精化處理。本發(fā)明提出一種基于局部視差直方圖的視差精化方法對(duì)初始視差圖進(jìn)行進(jìn)一步處理。然后，采用左右一致性檢驗(yàn)檢測(cè)仍然存在的誤匹配點(diǎn)，利用相鄰有效點(diǎn)中視差較小的值對(duì)誤匹配點(diǎn)進(jìn)行賦值。

2.根據(jù)權(quán)利要求1中所述的一種基于改進(jìn)梯度和自適應(yīng)窗口的立體匹配方法，其特征在于：所述步驟一的匹配代價(jià)應(yīng)用改進(jìn)的梯度代價(jià)，具體計(jì)算過(guò)程如下：

圖像梯度定義為圖像沿x和y方向的一階偏導(dǎo)數(shù)：

G=GxGy=∂I∂x∂I∂y]]>

其中I為圖像灰度，實(shí)際應(yīng)用中，可以通過(guò)水平方向和豎直方向的模板計(jì)算梯度向量。這樣，我們就可以得到左、右圖像的梯度圖G_L＝(G_Lx,G_Ly)^T、G_R＝(G_Rx,G_Ry)^T；考慮校正后的圖像，設(shè)p(x,y)為左圖像上一點(diǎn)，則右圖像上對(duì)應(yīng)視差d的匹配點(diǎn)為pd(x-d,y)。

利用梯度向量在x、y方向的兩個(gè)分量，定義梯度向量的模和相角：

m=Gx2+Gy2]]>

梯度的模m表征灰度變化率，相角表征灰度變化率最大時(shí)的方向，它們提供了像素鄰域的不同信息，并且對(duì)光照失真有不同的不變性。輸入圖像對(duì)增益失真會(huì)影響梯度模，而相角則不會(huì)變化，但是它們都不會(huì)受到偏置失真影響。因而，將梯度的模和相角分開(kāi)考慮更有利于控制方法對(duì)噪聲的敏感性。本發(fā)明采用模和相角的線性結(jié)合作為匹配代價(jià)函數(shù)，以便最大限度利用梯度信息。表達(dá)如下：

式中m_c、分別表示對(duì)應(yīng)于彩色圖像R，G，B三個(gè)通道的梯度向量模和相角，α是加權(quán)系數(shù)。由于相角是以π為周期，需要將其歸一化到單周期內(nèi)，故定義f(x)：

f(x)=x0≤x≤π2π-xπ<x<2π]]>

由于引入了加權(quán)系數(shù)α，我們可以通過(guò)調(diào)整參數(shù)α的值改變方法對(duì)光照失真和噪聲的魯棒性。α越小，相位的影響越大，α越大，模值的影響越大。由于不同的圖像會(huì)有不同程度的光照失真，實(shí)際中需要通過(guò)實(shí)驗(yàn)來(lái)確定α的合理取值范圍。

由于e(p,d)表示的是單個(gè)像素的原始匹配代價(jià)，實(shí)際情況中仍然會(huì)存在一些過(guò)大的異常值，需要進(jìn)行排除以提高匹配精度。一種常用的方法是采用截尾函數(shù)，即將e(p,d)與一個(gè)常數(shù)進(jìn)行比較，取其最小值作為匹配代價(jià)。該方法對(duì)結(jié)果的改善很小，本發(fā)明采用Geman-McClure函數(shù)來(lái)處理異常值：

ρ(x)=x2x2+σ2]]>

當(dāng)輸入x超過(guò)某個(gè)值后，其對(duì)輸出值的影響將平滑地下降到0，變換后的匹配代價(jià)將收斂到1，并可由參數(shù)σ控制。因而，無(wú)論輸入原始匹配代價(jià)多大，經(jīng)過(guò)Geman-McClure函數(shù)變換后，其輸出值將不會(huì)超過(guò)1。