[发明专利]一种基于边缘分割和种子点的局部立体匹配方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及基于图像的双目立体匹配方法及其实现。 

背景技术

通过给定的两幅图像得到稠密的视差图是计算机视觉领域的研究热点和难点。获得精确的稠密视差图之所以富于挑战，是因为如下因素：1.低纹理信息区域。当进行匹配时，噪声会对匹配结果产生很大影响。2.遮挡问题。当深度不连续时会出现“foreground fattening”现象。3.高纹理区域。4.重复纹理区域。 

早期的立体视觉匹配方法是基于特征的，即它们首先使用兴趣算子或者其它边缘检测器来提取潜在能够匹配的图像位置集合，然后使用基于块的度量在其它图像中搜索对应的位置。因而得到的是稀疏的视差图，如Matthies，Bolles。1996年，Collins提出边缘才是唯一稳定的特征并将其用于立体匹配。这个方向最新的工作是Zhang和Shan在2000年做的工作，他们关注于如何提取出高稳定性的特征并使用它们作为种子以生长出更多的匹配。 

因为基于图像的渲染和建模中都需要稠密的视差图，目前的立体匹配方法主要关注于稠密视差图的获取。Scharstein和Szeliski在2002年将立体匹配方法分为以下四个步骤：1.像素点匹配代价的计算。2.匹配代价的聚集。3.视差计算和优化(亚像素)。4.视差求精(refinement)。立体匹配方法大致可以分为两类：局部方法和全局方法。局部方法利用像素周围的匹配窗口来计算匹配代价，并通过WTA方法得到最优的视差值；全局方法主要是采用了全局的优化理论方法估计视差，建立全局能量函数，通过最小化全局能量函数得到最优视差值。 

全局方法通常利用平滑性假设，然后求解一个全局优化问题，即求取一个视差赋值来最小化一个包含数据和平滑项的全局代价函数。这些方法间的主要区别在于所使用的最小化过程，例如图割方法(Boykov，Veksler和Zabih在2001年提出)，置信传递方法(Sun，Zheng和Shum在2003年提出)，期望最大化方法(Birchfield在2007年提出)。总的来说全局方法的精度较高，但是速度较慢。 

局部方法是基于匹配窗口的，它在计算一个给定点的视差值时依赖于局部有限窗口内的灰度值。通过计算匹配窗口内总的匹配代价(聚集过程)，利用WTA策略选择匹配代价最小的聚集值来确定视差。局部方法的代表有SSD方法，SGBM方法，Adapt.Weights方法，SegmentSup.方法等。总的来说局部方法获得的视差图的精度要差于全局方法，但是速度较快，适合于实时系统。 

局部立体匹配方法的关键是找到合适的匹配窗口。最先采用固定窗口(Fixed Window)，效果很差。1999年Bobick和Intille引入固定在不同点的多窗口以提高匹配窗口的灵活性。Okutomi等利用自适应大小窗口，根据区域信息动态改变窗口大小，提高了匹配效果。2006年Yoon和Kweon提出了基于彩色分割方法，这是局部方法里一个里程碑式的改进，使得局部方法的精度可以与全局方法相媲美。后来又提出了通过分割的方法得到匹配窗口。 

目前已经出现了很多局部立体匹配方法，但是在时间复杂度和视差图精度方面仍然需要进行改进。 

发明内容

1.一种基于边缘分割和种子点的局部立体匹配方法，其特征在于包括： 

A.利用边缘轮廓构造动态变化匹配窗口； 

B.对视差值进行一致性检测，得到视差种子点； 

C.基于颜色差异将种子点的视差值传递给周围非种子点； 

D.基于水平和竖直上的投票方法来消除错误的匹配点。 

2.如权利要求1所述的方法，其特征在于，在步骤A中利用Canny边缘检测方法提取轮廓，将提取得到的边缘作为条件来构造匹配窗口。 

3.如权利要求1所述的方法，其特征在于，将像素点p周围的点分为内点和外点，所有的内点构成p的匹配窗口。匹配窗口的构造过程是寻找所以内点的过程。 

4.如权利要求1所述的方法，其特征在于，在步骤A中像素点p的匹配窗口通过如下过程获得：以像素点为起始点，在竖直方向上，在上、下两个方向上标记内点，直到遇到边缘像素点而停止；以竖直方向上得到的内点为起始点，在水平方向上，在左、右两个方向上标记内点，直到遇到边缘像素点而停止；以上标记的所有内点构成该像素点的匹配窗口。匹配窗口最大为31X31，最小为3X3。 

5.如权利要求1中所述的方法，其特征在于，在所述步骤B之前得到的视差值进行一致性检测。通过了一致性检测的像素点，被标记为种子点；否则，被标记为非种子点。