[发明专利]一种基于Census变换的双目立体匹配方法有效
申请号: | 201910674451.6 | 申请日: | 2019-07-25 |
公开(公告)号: | CN110473217B | 公开(公告)日: | 2022-12-06 |
发明(设计)人: | 魏东;樊启明;蒋晓彤;张晨;崔泽璐 | 申请(专利权)人: | 沈阳工业大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T7/33;G06T7/37;G06T7/90 |
代理公司: | 沈阳智龙专利事务所(普通合伙) 21115 | 代理人: | 宋铁军 |
地址: | 110870 辽宁省沈阳*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 census 变换 双目 立体 匹配 方法 | ||
1.一种基于Census变换的双目立体匹配方法,其特征在于:该方法包括:
步骤一:初始化:输入图像对,将图像对中的左图像和右图像分别作为参考图像和目标图像:
步骤二:匹配代价计算:将参考图像和目标图像采用邻域中值做阈值进行Census变换,并引入高斯颜色模型和梯度算子,通过加权融合进行立体匹配代价计算;
步骤三:代价聚合:采用最小生成树及多尺度高斯金字塔模型进行跨尺度代价聚合结合进行代价聚合;
步骤四:视差计算:采用胜者为王的方法来计算视差,得到视差图;
步骤五:视差优化:对视差图检测遮挡区域、边缘特征和误匹配点,再进行视差优化;
匹配代价计算的具体方法包括:
(1)采用Census算法并将邻域中值替换中心像素;
(2)引入高斯颜色模型,获取彩色图像的特征信息使模型不受阴影变换的影响;高斯颜色模型Census变换具体公式如下:
其中C1(p,d)是高斯颜色模型Census匹配代价,表示Census变换的连接符,ΔEG是高斯颜色模型中两个像素之间的欧氏距离,窗口尺寸为:(2m+1)×(2n+1);
(3)引入梯度算子,采用sobel梯度算子来进行边缘约束求取梯度图像,具体公式如下:
C2(p,d)=max|0,L(pL)-Lmax(pR),Lmin(pR)-L(pL)|
C2(p,d)是引入梯度算子的匹配代价,pL左图像像素灰度值,pR为右图像像素灰度值,L(pL)和L(pR)分别代表左右图像像素点的梯度值,Lmax(pR)和Lmin(pR)分别代表右图像梯度的极大值和极小值;
(4)加权融合具体公式如下:
C(p,d)=ρ(C1(p,d),λ1)+ρ(C2(p,d),λ2)
其中C(p,d)是加权融合后的匹配代价,C1(p,d)是高斯颜色模型Census匹配代价,C2(p,d)是引入梯度算子的匹配代价,λ表示Census变换和灰度差绝对值算法的控制参数,ρ(C,λ)是算法的鲁棒参数,将计算结果都归一化到[0,1]区间。
2.根据权利要求1所述的一种基于Census变换的双目立体匹配方法,其特征在于:代价聚合的具体步骤包括:
S1、最小生成树代价聚合方法是求树中任意两个结点间的最短距离权重和,最小生成树代价聚合的聚合公式如下:
其中表示代价聚合值,Cd(v)是步骤二计算得到的匹配代价,p(vc)表示节点v的父节点,S(v,vc)表示节点v与父节点vc之间的相似性;
S2、跨尺度代价聚合跨尺度代价聚合算法公式如下:
其中v代表不同尺度下的代价聚合值,K(is,js)是一个常量;表示每个比例尺上的对应变量序列,其中is,js表示单个像素视差水平,向量Cs(js,ls)表示每个正则化尺度下的代价聚合值,由每个尺度下的最小生成树代价聚合计算得到。
3.根据权利要求1所述的一种基于Census变换的双目立体匹配方法,其特征在于:视差优化的方法是采用左右一致性检测检测遮挡,采用背景填充和中值滤波方法处理遮挡;采用Canny边缘算子检测边缘,利用二值法和引导滤波修复边缘视差;采用亚像素检测法检测整体的误匹配点,采用均值滤波对整体视差进行求精。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳工业大学,未经沈阳工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910674451.6/1.html,转载请声明来源钻瓜专利网。