[发明专利]一种基于Census变换的双目立体匹配方法

说明书

本发明涉及计算机视觉领域、图像处理技术领域，具体涉及一种基于Census变换的双目立体匹配方法。该方法包括初始化，再进行匹配代价计算，代价聚合，然后视差计算，最后视差优化。现有基于Census变换匹配方法无法形成更高精度的视差图，特别是在遮挡区域和边缘的获得较精确的视差。本发明基于现有技术进行了改进，提升了双目立体匹配方法的匹配精度，为后续三维重建过程打好基础。

技术领域：

本发明涉及计算机视觉领域、图像处理技术领域，具体涉及一种基于Census变换的双目立体匹配方法。

背景技术：

计算机视觉是一门研究使用计算机来模拟人的视觉系统的学科，人类对于图像中的信息感知效率远超文字等其他媒介，人类获取的信息总量中更是有高达80％依靠视觉系统。双目立体匹配是计算机视觉领域的重要分支，它通过模拟人的视觉系统来处理现实世界。随着社会的科技进步，立体匹配技术的发展日新月异，随着匹配算法精度与速度的提高，其应用场景进一步扩大。在此背景下，研究立体匹配变的意义非凡。立体匹配作为三维重建、立体导航、非接触测距等技术的关键步骤，通过匹配两幅或者多幅图像来获取深度信息。并且广泛应用于工业生产自动化、流水线控制、无人驾驶汽车(测距，导航)、安防监控、遥感图像分析、机器人智能控制等方面。虽然立体匹配应用广泛但是还有很多尚未解决的难题因此该技术成为了近年来计算机视觉领域广泛关注的难点和热点。

通常根据立体匹配算法所采用的约束，可以将其分为两大立体匹配算法。第一类为基于区域约束的局部匹配算法。如采用匹配窗的代价聚合算法(平方差算法SSD，绝对差算法SAD，归一化算法NCC，非参数变换变换Census等)；采用特征点的匹配算法；采用相位匹配的匹配算法。这些算法的优点是运算速度快，能够快速恢复出纹理丰富区域的视差。缺点是在低纹理区域会造成误匹配，得到的视差图不致密，需要在后期通过插值算法来进行修正。第二类为基于全局约束的优化算法，如图割算法(Graph Cuts,GC)，人工智能算法(神经网络，遗传算法)，置信传播算法(Belief Propagation,BP)，动态规划算法(DynamicProgramming,DP)。这些算法虽然运算时间较长并且会产生一些误匹配，但是基本上能够获得所有的视差信息从而生成稠密的视差图。

但是目前的匹配方法无法形成更高精度的视差图，特别是在遮挡区域和边缘不连续处的获得较精确的视差。

发明内容：

发明目的：

为了获得较高精度的视差信息，特别是在遮挡区域和边缘的获得较精确的视差，本发明提供了一种基于Census变换的双目立体匹配方法。

技术方案：

一种基于Census变换的双目立体匹配方法，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。

进一步地，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：