[发明专利]基于图像分割和可信度的视差图像校正方法

权利要求书

1.一种基于图像分割和可信度的视差图像校正方法，包括如下步骤：

(1)输入图像：

输入立体匹配测试图像库中的左、右视点图像；

(2)图像分割：

对输入的左、右视点图像，分别进行均值漂移，得到左、右视点图像的分割图像；

(3)估计初始视差：

以左视点图像为参考图像，以右视点图像为匹配图像，采用自适应权值立体匹配方法，得到初始视差图像；

(4)检测可信度：

(4a)以右视点图像为参考图像，以左视点图像为匹配图像，采用自适应权值立体匹配方法，得到比较视差图像；

(4b)按照下式，对初始视差图像进行检测，得到初始视差图像的检测数值：

M(x,y)=E(x,y)D(x,y-d)≠T(x,y)0D(x,y-d)=T(x,y)]]>

其中，M(x,y)表示初始视差图像中(x,y)坐标位置所对应的初始视差图像检测数值，E(x,y)表示初始视差图像中(x,y)坐标位置所对应的最小匹配代价，d表示初始视差图像中(x,y)坐标位置所对应的视差值，D(x,y-d)表示初始视差图像中(x,y-d)坐标位置所对应的视差值，T(x,y)表示比较视差图像中(x,y)坐标位置所对应的视差值；

(4c)将初始视差图像检测数值中所有非0的数值相加，得到检测之和，用检测之和除以初始视差图像检测数值中非0数值的总个数，得到初始视差图像检测阀值；

(4d)按照下式，对初始视差图像进行检测，得到初始视差图像中坐标点的可信度数值：

r(x,y)=0E(x,y)≥u1-(E(x,y)-v2·u-v)E(x,y)<u]]>

其中，r(x,y)表示初始视差图像中(x,y)坐标位置所对应的可信度数值，E(x,y)表示初始视差图像中(x,y)坐标位置所对应的最小匹配代价，u表示初始视差图像检测阀值，v表示初始视差图像中所有点的最小匹配代价中最小的百分之十的平均值；

(5)校正视差：

(5a)在初始视差图像中任选一个校正点，以所选定的校正点为中心设定一个41×41像素的校正窗口；

(5b)在左、右视点图像视差值的范围[d_min,d_max]内，从小到大依次选取左、右视点图像的视差值，其中，d_min表示左、右视点图像最小视差值，d_max表示左、右视点图像最大视差值；

(5c)按照下式，对初始视差图像的校正窗口中的点进行检测，得到初始视差图像的校正窗口中坐标点的校正检测数值；

C(x,y)=1D(x,y)=d0D(x,y)≠d]]>

其中，C(x,y)表示初始视差图像的校正窗口中(x,y)坐标位置所对应的校正检测数值，D(x,y)表示初始视差图像的校正窗口中(x,y)坐标位置所对应的视差值，d表示选取的左、右视点图像的视差值；

(5d)按照下式，计算初始视差图像的校正窗口内各个点相对于初始视差图像中选定的校正点的支持权值；

w(p,q)=exp(-(Δc(p,q)10+Δg(p,q)10.5))]]>

其中，w(p,q)表示初始视差图像中校正窗口内任意一点q相对于初始视差图像中选定的校正点p的支持权值，Δc(p,q)表示初始视差图像中校正窗口内任意一点的灰度值减去初始视差图像中选定的校正点灰度值的差值，Δg(p,q)表示初始视差图像中校正窗口内任意一点与初始视差图像中选定的校正点之间的欧式距离，exp表示以自然常数e为底的指数操作；

(5e)用初始视差图像的校正窗口内每个点的支持权值乘以与该点对应的校正检测数值，得到每个点的支持系数，将每个点的支持系数乘以与该点对应的可信度，得到每个点的校正系数；

(5f)将初始视差图像的校正窗口内所有点的校正系数相加，得到初始视差图像中选定校正点当前选取的左、右视点图像视差值的总校正系数；

(5g)判断是否获得左、右视点图像视差值取值范围内所有视差值的总校正系数，若是，执行步骤(5h)，否则，执行步骤(5b)；

(5h)比较左、右视点图像视差值取值范围内所有视差值的总校正系数大小，选取总校正系数最大的视差值作为初始视差图像中选定的校正点的最终校正视差值；

(5i)判断是否获得初始视差图像中每个点的最终校正视差值，若是，执行步骤(6)，否则，执行步骤(5a)；

(6)输出结果。