[發明專利]一種新型立體匹配優化方法

在審

• 申請號: 202010692999.6
• 申請日: 2020-07-17
• 公開（公告）號: CN111914913A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 文斌;朱晗;楊超;李知聰;曹仁軒
• 申請（專利權）人: 三峽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06T7/13;G06K9/46
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 吳思高

1.一種新型立體匹配優化方法，其特征在于包括以下步驟：

S1：輸入雙攝像頭拍攝后經過校正的、圖像類型為RGB的左右圖像，將所述左右圖像轉換為灰度圖，設定其中一個為參考圖像，另一個為檢索圖像，進行局部匹配；

S2：建立自適應窗口；

S3：根據歐式空間的接近性和Lab顏色空間的相似性，構造自適應權重；

S4：構造匹配代價：

S5：根據勝者為王算法，計算初始視差；

S6：根據左右一致性原則剔除誤匹配點，再用鄰點法補充剔除的誤匹配點；

S7：應用邊緣約束算法進行視差聚類，得到優化視差圖。

2.根據權利要求1所述一種新型立體匹配優化方法，其特征在于：所述S1中，初始局部匹配的窗口大小為7×7。

3.根據權利要求1所述一種新型立體匹配優化方法，其特征在于：所述S2中，建立自適應窗口，包括以下步驟：

S2.1、根據高斯差分函數處理圖像；

計算高斯差分圖像的公式如下：

DOG(x,y)＝|g₁(x,y)-g₂(x,y)|＝|G_σ1(x,y)*I(x,y)-G_σ2(x,y)*I(x,y)|

式中，I(x,y)為圖像的灰度值，G_σ1(x,y)和G_σ2(x,y)分別為σ為σ1，σ2時的高斯函數，*為卷積符號，g₁(x,y)和g₂(x,y)分別為濾波后的灰度圖像；

S2.2、閾值分割：

D(x,y)為高斯差分圖像DOG(x,y)的閾值分割圖像，T_D為閾值；

S2.3、像素統計：

統計初始窗口范圍內像素點的個數來判斷紋理的豐富程度；

統計大小為K×K窗口內大于閾值T_D的像素點個數，若個數小于ε，則為低紋理區域，反之，則為紋理豐富區域；

S2.4、自適應選擇窗口大小：若像素統計的結果為低紋理區域，則選擇較小窗口；反之，則選擇較大窗口。

4.根據權利要求1所述一種新型立體匹配優化方法，其特征在于：所述S3中，構造自適應權重方法包括：

將RGB圖像轉換為Lab圖像，結合Lab顏色空間和歐氏空間計算像素點權重，公式如下：

其中：p為窗口中心像素點，q為窗口內其他任意一點，x,y分別表示歐式空間中的坐標值，L表示Lab顏色空間的亮度，a代表紅色/品紅色和綠色之間的位置，b代表黃色和藍色之間的位置，λ_d,λ_c分別表示距離差異系數和顏色差異系數。

5.根據權利要求1所述一種新型立體匹配優化方法，其特征在于：所述S4中，構造匹配代價的方法包括：

先根據RGB顏色空間分量和高斯差分分量的差異性，構造基本初始匹配代價，再結合自適應權重形成用于計算視差的匹配代價；

其基本初始匹配代價的構造公式如下：

其中：就是q,之間的初始匹配代價，I_c表示像素點所在顏色空間的色度值，為像素點q,之間高斯差分圖像差分的絕對值，其構造公式為：

DOG所表示的就是高斯差分圖像，其具體構造方式如下：

DOG(x,y)＝|g₁(x,y)-g₂(x,y)|＝|G_σ1(x,y)*I(x,y)-G_σ2(x,y)*I(x,y)|

式中，I(x,y)為圖像的灰度值，G_σ1(x,y)和G_σ2(x,y)分別為σ為σ1，σ2時的高斯函數，*為卷積符號，g₁(x,y)和g₂(x,y)分別為濾波后的灰度圖像；

用于計算視差的匹配代價構造如下：