[发明专利]一种立体匹配方法及系统

权利要求书

1.一种立体匹配方法，其特征在于，所述方法包括：

步骤S10、获取参考图像以及目标图像，并确定聚合区域的视差区域；

步骤S11、将所述参考图像以及所述目标图像均等分为N*N个区域，得到参考分块图像以及目标分块图像；

步骤S12、根据所述参考分块图像以及所述目标分块图像，利用分块变换算法，将所述参考图像变换为聚合参考图像，所述目标图像变换为聚合目标图像；

步骤S13、分别计算所述聚合参考图像以及所述聚合目标图像的CENSUS特征，并进行立体匹配，计算得到所述聚合参考图像的CENSUS特征与所述聚合目标图像的CENSUS特征的匹配代价值；

步骤S14、分别计算各所述参考分块图像与对应的相同分块位置的所述目标分块图像的区域代价聚合；

步骤S15、比较所述匹配代价值与各所述区域代价聚合，若存在所述匹配代价值大于区域代价聚合，则重新分割区域代价聚合小于所述匹配代价值的区域代价聚合对应的参考分块图像以及目标分块图像并计算分割后的区域代价聚合，直到所述匹配代价值均小于各区域代价聚合；

步骤S16、计算所述匹配代价值均小于各区域代价聚合时各参考分块图像与对应目标分块图像中每个像素的代价聚合，并利用WTA方法得到第一视差图像，包括，

确定像素的视差区域[d_min,d_max]，

以估计视差d为基准，对所述参考图像的每一个像素点p(x，y)，在所述目标图像上确定对应的像素点p(x-d，y)，其中，d∈[d_min,d_max]，

计算像素点p(x，y)与像素点p(x-d，y)之间对应的CENSUS特征的汉明距离，得到像素的代价聚合C_d(p)，

计算各参考分块图像中相邻节点的边权重，并根据所述边权重得到四连通的无向图，

利用Boruvka算法对所述无向图进行处理，得到最小生成树，

将所述最小生成树转换为具有根节点和叶节点的树形结构，并对所述树形结构从叶节点到根节点进行滤波得到向上代价聚集，

根据所述向上代价聚集，对所述树形结构从根节点到叶节点进行滤波得到各参考分块图像与对应目标分块图像中每个像素的代价聚合。

2.根据权利要求1所述的立体匹配方法，其特征在于，步骤S12包括：

制作第一空图像和第二空图像，其中，所述第一空图像中每个像素点与所述参考图像的像素点一一对应，所述第二空图像中每个像素点与所述目标图像的像素点一一对应；

计算每一个所述参考分块图像的像素值之和，并赋值给所述第一空图像中对应的像素点中，得到聚合参考图像；

计算每一个所述目标分块图像的像素值之和，并赋值给所述第二空图像中对应的像素点中，得到聚合目标图像。

3.根据权利要求2所述的立体匹配方法，其特征在于，重新分割区域代价聚合小于所述匹配代价值的区域代价聚合对应的参考分块图像以及目标分块图像，包括：

分别判断区域代价聚合小于所述匹配代价值的区域代价聚合对应的各参考分块图像以及各目标分块图像的像素平均值和中间像素值的大小；

当参考分块图像或目标分块图像的像素平均值小于中间像素值，则按照估计视差进行区域扩大，当参考分块图像或目标分块图像的像素平均值大于中间像素值，则按照估计视差进行区域缩小。

4.根据权利要求3所述的立体匹配方法，其特征在于，还包括：

将所述参考图像作为新的目标图像，将所述目标图像作为新的参考图像，并根据所述新的目标图像以及所述新的参考图像，执行所述步骤S11至所述步骤S16得到第二视差图像；

利用所述第一视差图像和所述第二视差图像进行视差求精，得到最终视差图像。

5.根据权利要求4所述的立体匹配方法，其特征在于，利用所述第一视差图像和所述第二视差图像进行视差求精，得到最终视差图像，包括：

对所述第一视差图像和所述第二视差图像进行左右一致性检测确定视差稳定点；

利用公式计算得到新的代价集合其中，D(p)为第一视差图像，d为视差；

根据所述新的代价集合执行步骤S12得到最终视差图像。