[發明專利]一種基于多尺度變換與ADCensus-JWGF的機電設備視覺信息立體匹配算法

在審

• 申請號: 202010974772.0
• 申請日: 2020-09-16
• 公開（公告）號: CN112102382A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 王松;胡燕祝;韓靜雯
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/55;G06T5/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明涉及一種基于多尺度變換與ADCensus-JWGF的機電設備視覺信息立體匹配算法，其特征在于：確定Census變換過程，確定Census匹配代價，確定AD匹配代價，確定融合匹配代價，確定各尺度空間下圖像代價聚合，確定濾波圖核函數，確定最小代價聚合視差值，確定JWGF結果，具體包括以下八個步驟：

步驟一：確定Census變換過程，變換表達式如下所示；

式中，q是變換窗口內各鄰域像素點灰度值，p是變換窗口內中心像素點的灰度值，在變換過程中，在變換窗口內，將中心像素的灰度值與鄰域像素灰度值依次進行比較，若中心像素灰度值大于等于鄰域像素灰度值，則記為1，否則，記為0；

之后，計算每個中心像素點對應的二進制比特串Str(x,y)；

式中，Str(x,y)為變換窗口內中心像素點對應的二進制比特串，為二進制比特串的串聯符，l和r分別為變換窗口大小的二分之一，I(x,y)表示坐標為(x,y)的中心點的像素值，I(x+i,y+j)為坐標處一定距離內的坐標像素點；

步驟二：確定匹配代價C_Census(x,y,d)；

計算完兩幅圖上所有的像素點二進制比特串，對應的比特串進行漢明距離；

C_Census＝Ham(Str_L(x,y),Str_R(x+d,y))；

式中，Str_L(x,y)為參考圖像待匹配點的二進制比特串，Str_R為目標圖像最大視差范圍內像素點的二進制比特串，d為最大視差搜索范圍；

步驟三：確定匹配代價C_AD(x,y,d)；

式中，Ω是左圖像中像素(x,y)鄰域，I_l(r,c)為左圖像在(r,c)處灰度值，I_r(r,c-d)為右圖像中視差為d的待匹配點的灰度值；

步驟四：確定匹配代價C(p,d)；

C(p,d)＝ρ(C_Census(p,d),λ_Census)+ρ(C_AD(p,d),λ_AD)；

式中，λ_Census、λ_AD為根據經驗得到的常值參數，利用上述公式，將兩種匹配函數歸一化[0,1]區間內，之后進行求和；

步驟五：確定各尺度空間下圖像代價聚合

式中，為代價聚合過程中的中間輸出值，為歸一化常數，其中i^s和j^s為在S尺度下的兩個像素點，C^s(j^s,l^s)為在S尺度下的代價，l為視差等級，為在尺度S上的像素點i的鄰域，K(i^s,j^s)為衡量i^s和j^s的相似核，λ為控制正則化強度的參數；

步驟六：確定濾波圖核函數W_ij；

對每層尺度空間下采用引導濾波進行代價聚合，采用引導圖濾波函數，保證輸出圖像的邊緣與引導圖像邊緣保持一致，將引導圖濾波函數應用到每個尺度下的代價聚合階段；

式中，i和j為輸入圖像I的像素索引，μ_k和分別為I在w_k內的均值和方差，w為窗口內像素個數，ε為控制參數，用來控制濾波效果強弱；

步驟七：確定最小代價聚合視差值d_p；

采用贏者通吃法(WTA)在多尺度空間下代價聚合下最小視差值，計算過程如下；

式中，S_d＝{d_min,…,d_max}為可能的所有視差值，C(p,d)為視差值為d時的匹配代價值；

步驟八：確定JWGF結果JWGF(I_d)；

式中，I_d是最終視差圖，W_ij為濾波核函數。