[发明专利]内外相似度聚集的立体匹配算法

权利要求书

1.内外相似度聚集的立体匹配算法，其特征在于，包括以下步骤：

计算参考图像内部相似度矩阵：使用参考图像当前像素与其近邻像素之间RGB三通道差的绝对值的最大值，得到参考图像内部近邻像素之间的相似度即内部相似度S_i，进而构成内部相似度矩阵；

计算两图像彩色空间指数：计算参考图像与目标图像相应像素三通道差的绝对值的和的平均值D_c；

计算两图像灰度空间指数：如果参考图像像素灰度在目标图像插值灰度范围内，则认为参考图像像素与目标图像像素相似，否则计算参考图像像素灰度与目标图像插值灰度最大的差D_l；如果目标图像像素灰度在参考图像插值灰度范围内，则认为参考图像像素与目标图像像素相似，否则计算目标图像像素灰度与参考图像插值灰度最大的差D_r；D_l与D_r中的最小值，作为D_s；

根据两图像彩色空间指数与灰度空间指数计算外部相似度矩阵：根据D_c和D_s得到参考图像与目标图像候选匹配像素之间的相似度即外部相似度S_e；

根据内部相似度聚集外部相似度：在候选视差下，参考图像当前像素距离目标像素p个像素距离，目标像素外部相似度乘p个内部相似度之后，累加到当前像素外部相似度；通过多个方向的内外相似度聚集方式，获取内外聚集相似度矩阵；

使用赢者通吃方法计算视差图：根据内外聚集相似度矩阵，在候选视差范围内，找到参考图像每个像素的最大内外聚集相似度对应视差作为各像素的视差，构成视差图像，实现立体匹配。

2.根据权利要求1所述的内外相似度聚集的立体匹配算法，其特征在于，所述内部相似度如下：

其中，D_i表示参考图像像素c与其近邻像素n的三通道差的绝对值的最大值；I_cr,I_cg和I_cb分别表示像素c的R,G和B通道的数据；I_nr,I_ng和I_nb分别表示近邻像素n的R,G和B通道的数据；|*|表示求绝对值；S_i表示参考图像像素间的内部相似度；A_i表示参考图像与目标图像RGB三通道差的绝对值能取到的最大值；σ_i取浮点数。

3.根据权利要求1所述的内外相似度聚集的立体匹配算法，其特征在于，所述D_l、D_r如下：

其中，D_l表示参考图像像素(x_j,y)的灰度与目标图像像素(x_i,y)的亚像素灰度I_ra和I_ri差的最大值，D_r表示目标图像像素(x_i,y)的灰度与参考图像像素(x_j,y)的插值灰度I_la和I_li差的最大值，x_j＝x_i+d，d为两像素的视差。

4.根据权利要求1所述的内外相似度聚集的立体匹配算法，其特征在于，所述外部相似度：

其中，A_c代表RGB三通道差的绝对值的最大值，A_s表示灰度图像像素插值灰度的差可以取到的最大值，σ_c和σ_s取浮点数。

5.根据权利要求1所述的内外相似度聚集的立体匹配算法，其特征在于，所述根据内部相似度聚集外部相似度，包括以下步骤：

通过四个方向的内外相似度聚集，具体为将参考图像的内部相似度矩阵先由上向下、再由下向上聚集外部相似度，得到上下聚集相似度矩阵，将参考图像的内部相似度矩阵再由右向左、由左向右聚集上下聚集相似度得到内外聚集相似度矩阵。