[发明专利]基于图像分割和可信度的视差图像校正方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及视频处理技术领域中的一种基于图像分割和可信度的视差图像校正方法。本发明能够有效的解决图像之间遮挡效应所引起的错误匹配，提高估计生成的视差图像精度，用于3DTV和深度图像绘制相关领域。

背景技术

在信息化数字时代，普通2D视频已经在某些方面不能满足人类日常生活和工作的需要，3D视频技术已成为目前科技发展的重要领域。其中，2D转3D技术可以将传统的平面视频转换为立体视频，该方法成本低且适用性强，但由于视频本身深度信息有限，得出的立体视频效果并不能满足实际需要。

目前，获取深度信息的方法很多，其中利用立体匹配生成视差图像是目前最具发展潜力的研究课题之一。立体匹配是基于不同角度下拍摄同一场景得到的两张图片，寻找其对应点，并根据对应点之间存在的内在关系来得到图像视差值。图像视差值可以提供空间线索用于精确产生不同视点、不同物体的深度信息。然而，由于不同视点图像之间存在的遮挡效应，导致立体匹配过程中产生错误的图像视差值，影响了最终获得的视差图像的精度，难以提供高精度的深度信息。因此，如何解决视差图像中遮挡效应所产生的不利影响，提高获得视差值的精度成为一项重要的研究课题。

西南交通大学拥有的专利技术“一种快速自适应支持权值双目视觉立体匹配方法”(申请号：201310268903.3，授权公布号：103325120A)中公开了一种快速自适应支持权值双目视觉立体匹配方法。该方法的具体步骤是，第一，读取已有待匹配双目图像对；第一，计算匹配代价；第一，加权聚合匹配代价；第二，计算初始视差；第三，对初始视差进行校正，得到最终视差矩阵；第四，生成视差图。虽然该立体匹配方法通过对初始视差进行校正成功的改善了立体匹配的效果，提高了视差的精度，但是，该校正方法仍然存在的不足之处是，该方法在对初始视差进行校正时，没有考虑错误视差值对于校正的不利影响，仅考虑图像的颜色差异性和空间距离因素，导致最终校正结果精度不高。

Wei Wang，Caiming Zhang，Xia Hu and Weitao Li在其发表的论文“Occlusion-aided Weights for Local Stereo Matching”(“International Journal of Pattern Recognition and Artificial Intelligence”No.3 Vol.262012)中提出了一种局部立体匹配校正方法。该方法首先利用Rank变化估计初始视差值，其次采用左右一致性检测来检测错误的视差值，最后基于图像颜色，空间距离和检测的错误视差值来进行视差校正。该校正方法存在的不足之处是，该方法采用的左右一致性检测不能完全的反应出视差图像中错误视差的情况，影响最终校正后获得的视差图像精度。

发明内容

本发明的目的在于克服上述现有技术的不足，在传统的立体匹配方法的基础上提出一种基于图像分割和可信度的视差图像校正方法，成功解决了由于遮挡效应所引起的错误匹配而导致获得的视差图像精度不高的问题。该方法既保留了传统立体匹配方法计算复杂度低，鲁棒性强的特点，同时提高了视差图像的精度，获得具有清晰边缘、内部平滑，高精度的视差图像。

本发明实现上述目的的思路是：首先，输入左、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。其次，采用自适应权值立体匹配方法，对左、右视点图像估计初始视差值，得到初始视差图像。然后，利用初始视差图像和匹配代价，检测初始视差图像中初始视差值的可信度。最后，利用获得的初始视差图像的可信度对初始视差图像进行校正来获取最终视差图像。

本发明的具体步骤如下：

(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：