[发明专利]全息立体图像匹配算法

说明书

本发明提出的全息立体图像匹配算法，属于立体显示技术领域，将图像进行小波变换获得低频和高频部分的分解系数和图像信息，同时利用噪声可见度函数进行阈值处理提取贡献最大的部分小波系数参与匹配，利用噪声可见度函数选择各个视差图中噪声最小的视差能有效提高视差图像最终的精度，噪声可见度函数现已频繁应用在图像压缩处理的各个领域；针对原图像对进行小波优化处理，是不同于传统算法的一个创新点，能有效的加强算法的匹配效果和精度。

技术领域

本发明属于立体显示技术领域，尤其是全息立体图像匹配算法。

背景技术

全息立体匹配是立体视觉技术中最困难和复杂的一个环节，对整个系统的最终结果也具有非常重大和关键的影响。所谓全息立体匹配即根据所选择的图像特征及其特征间的相似性测度，建立参考图像和匹配目标图像之间的对应关系，寻找到物点在两个摄像机拍摄的图像中的投影点。全息立体匹配算法是目前立体视觉技术中最为热门和活跃的领域之一，大量的研究人员投入到其中希望找到最为高效和精确的匹配算法，但目前来说还没有非常完美的算法出现，还有许多因素影响着匹配的结果。

发明内容

本发明提供的全息立体图像匹配算法，能有效提高匹配的精度。

本发明具体采用如下技术方案实现：

一种全息立体图像匹配算法，其特征在于，具体的算法步骤如下：

Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；

Step2将各个分量的对比值低于给定阈值的置零，对各个分量修改过后进行二维离散小波逆变换，得到在各个方向上的立体图像对；

Step3利用基于置信传播与自适应相异性测量的图像分割匹配算法计算各个立体图像对的初始视差；

Step4将各个方向上的视差图像利用HVS模型原理进行融合获得最终的视差图像；

Step5最后采用噪声可见度函数作为标准来进行视差图像融合，具体方法是首先计算各个方向视差图像的NVF函数值，进一步按照以下公式对视差进行融合：

本发明提供的全息立体图像匹配算法，其有益效果在于，将图像分解为多个子带，并对各个子带图像进行阈值处理，提高图像的匹配质量，最终利用人类视觉系统模型中的噪声可见度函数融合各个子带的匹配结果获得最终的视差图像，与其他算法相比，能获得精度更高的视差图像。

附图说明

图1是本发明的算法流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

如图1所示，本实施例提供的全息立体图像匹配算法，将图像进行小波变换获得低频和高频部分的分解系数和图像信息，同时利用噪声可见度函数进行阈值处理提取贡献最大的部分小波系数参与匹配，利用噪声可见度函数选择各个视差图中噪声最小的视差能有效提高视差图像最终的精度，噪声可见度函数现已频繁应用在图像压缩处理的各个领域；针对原图像对进行小波优化处理，是不同于传统算法的一个创新点，能有效的加强算法的匹配效果和精度。本算法框架如图1所示，具体的算法步骤如下：

Step1对左右立体图像进行基于Harr小波的二维离散分解，即选用db1小波函数，并计算低频和高频分量的方向对比值；