雙目立體匹配算法的匹配代價算法和非局部立體匹配算法
2023-09-16 16:01:45 1
雙目立體匹配算法的匹配代價算法和非局部立體匹配算法
【專利摘要】本發明公開了一種雙目立體匹配算法的匹配代價計算方法和一種基於可變權重MST的非局部立體匹配算法，所述匹配代價計算方法包括：S1)色彩空間歸一化步驟：按照下述方法對原圖像進行RGB色彩空間歸一化處理獲得歸一化色彩空間，歸一化色彩空間的像素點的R、G、B色彩值分量r、g、b滿足：S2）匹配代價計算步驟：利用歸一化色彩空間對圖像的匹配代價進行評價。相對於現有技術，本發明的方法具有更強的魯棒性。
【專利說明】雙目立體匹配算法的匹配代價算法和非局部立體匹配算法【技術領域】
[0001]本發明涉及雙目立體視頻技術，尤其是涉及:雙目立體匹配算法的匹配代價算法和非局部立體匹配算法。
【背景技術】
[0002]計算機視覺是研究如何用攝像機和電腦代替人眼和大腦神經系統對目標進行信息獲取、場景理解、目標識別、跟蹤和測量等的計算機視覺系統。計算機視覺的研究對象是包含著三維信息的二維投影圖像，目標是從這些二維圖像中提取出其所包含的三維信息，從而全面恢復三維立體場景。
[0003]立體視覺一般可以分為雙目立體視覺系統、三目或者多目的立體視覺系統。其中三目和多目立體視覺系統可以看成是由多個雙目立體視覺系統構成，它們的基本的原理都還是基於雙目立體視覺原理；雙目立體視覺系統可以視為是計算機立體視覺中的最小系統。雙目立體視覺中對應點匹配問題即立體匹配問題是最困難、極富挑戰性的一步，匹配的精度和速度對立體視覺系統有很大的影響。
[0004]根據約束條件的不同，當前立體匹配算法主要分為局部立體匹配和全局立體匹配算法兩大類。局部立體匹配算法通常採取支持窗口的策略，認為支持窗口內的視差值是一樣的，但是該類假設不總是成立，會造成」前景膨脹效應「。全局立體匹配算法通常考慮局部的顏色信息和結構信息，並為圖像建立全局的能量函數，通過一些優化方法，例如BP，GC, DP來為每個像素點分配視差值。總體而言，當前的全局立體匹配算法速度較慢，但是獲取的視差值精度較高，能很好的反應場景的深度信息，與之相比，一些局部立體匹配算法能實時實現，但在較高精度的應用上，顯得力不從心。
[0005]近來，基於樹模型的立體匹配算法得到了廣泛的應用，其中一個很好的例子 是 Yang Q.A non-local cost aggregation method for stereo matching[C]//Computer Vision and Pattern Recognition(CVPR),2012IEEE Conferenceon.1EEE, 2012:1402-1409公開的模型，在該模型中，相鄰像素點的色彩差異作為連接節點的邊的權值。最後構成的樹中，每一個樹節點都會對其它節點的匹配代價疊加計算產生影響，即計算每一個節點視差值的時候用到了其他所有節點的信息，該類算法區別於原有的局部立體匹配算法和全局立體匹配算法，能獲得質量較好的視差圖，被稱為非局部的立體匹配算法。但是該類算法中，將圖像構造成邊的四鄰域圖的時候，邊的權值容易受圖片質量影響。比如，一般採樣獲取的雙目圖像對色彩不完全一致，受拍攝環境影響較大時，權值計算會失真。
【發明內容】
[0006]本發明所要解決的技術問題是，針對前述現有技術的缺陷，提供一種雙目立體匹配算法的匹配代價計算方法，提高匹配代價計算精確性和魯棒性。
[0007]本發明所要解決另一技術問題是，提供一種基於可變權重MST的非局部立體匹配算法以提高視差值計算的精確性。
[0008]本發明通過下述技術方案解決前述技術問題:
[0009]一種雙目立體匹配算法的匹配代價計算方法，其特徵在於，包括:
[0010]S1)色彩空間歸一化步驟:按照下述方法對原圖像進行RGB色彩空間歸一化處理獲得歸一化色彩空間，歸一化色彩空間的像素點的R、G、B色彩值分量r、g、b滿足:
【權利要求】
1.一種雙目立體匹配算法的匹配代價計算方法，其特徵在於，包括:51)色彩空間歸一化步驟:按照下述方法對原圖像進行RGB色彩空間歸一化處理獲得歸一化色彩空間，歸一化色彩空間的像素點的R、G、B色彩值分量r、g、b滿足:
2.一種雙目立體匹配算法的匹配代價計算方法，其特徵在於，包括:51)色彩空間歸一化步驟:按照下述方法對原圖像進行RGB色彩空間歸一化處理獲得歸一化色彩空間，歸一化色彩空間的像素點的R、G、B色彩值分量r、g、b滿足:
3.根據權利要求2所述的方法，其特徵在於:λ<0.5。
4.一種基於可變權重MST的非局部立體匹配算法，包括視差圖計算，其特徵在於，所述視差圖計算包括以下步驟:51)色彩空間歸一化步驟:按照下述方法對原圖像進行RGB色彩空間歸一化處理獲得歸一化色彩空間，歸一化色彩空間的像素點的R、G、B色彩值分量r、g、b滿足:
5.根據權利要求4所述的方法，其特徵在於:μ>0.5。
6.根據權利要求4所述的方法，其特徵在於:還包括視差圖後處理步驟，其包括:對左右兩路圖像的視差圖，通過左右一致性檢測，獲得圖像中視差值準確的點；對不滿足左右一致性檢測的點，對視差圖中置濾波後，為視差值不準確的點賦值為距其最近的視差值正確的點的視差值。
【文檔編號】G06T7/00GK103646396SQ201310634040
【公開日】2014年3月19日 申請日期:2013年11月29日 優先權日:2013年11月29日
【發明者】王好謙, 吳勉, 王興政, 戴瓊海 申請人:清華大學深圳研究生院