[发明专利]一种基于改进梯度和自适应窗口的立体匹配方法

摘要

针对现有局部立体匹配算法精度不高以及易受幅度失真影响的问题，本发明提出了一种基于改进梯度和自适应窗口的立体匹配方法。首先在传统梯度向量仅包含幅值信息的基础上，引入相位信息，并对原始匹配代价进行变换，进一步消除异常值；然后采用一种基于十字交叉自适应窗口生成方法，可以根据相邻像素的色彩和空间位置关系构建自适应窗口。在低纹理区域，提供较大的窗口以提高匹配精度；而在高纹理区域则产生较小的窗口，以保护物体边缘等细节信息。对聚合后的代价，采用“胜者为王”(Winner-Takes-All(WTA))策略选择使总代价最小对应的视差值作为初始匹配结果；最后，提出一种局部视差直方图的视差精化方法，获得了高精度的视差图。实验结果表明，所提方法匹配精度高，且对幅度失真条件具有较高的鲁棒性。

主权项

一种基于改进梯度和自适应窗口的立体匹配方法，其特征在于：该方法在传统梯度匹配代价仅包含幅值信息的基础上，引入梯度相位信息，并对原始匹配代价进行变换，进一步消除异常值；然后利用图像结构和色彩信息构建自适应窗口进行代价聚合及“胜者为王”(Winner‑Takes‑All(WTA))策略进行视差选择；最后，提出一种局部视差直方图的视差精化方法，获得了高精度的视差图。方法具体步骤如下：步骤一：匹配代价计算：匹配代价是左右图像之间对应点相似度的度量，利用梯度向量在图像x、y方向的两个分量，定义梯度向量的模m和相角然后采用模和相角的线性结合作为匹配代价函数，以便最大限度利用梯度信息。最后利用Geman‑McClure函数对原始匹配代价函数进行变换以消除异常代价值的影响。步骤二：自适应窗口构造：对待匹配图像的每个像素构造一个自适应大小的聚合窗口，窗口的大小将直接决定参与聚合的邻域像素多少。本发明采用一种改进的十字交叉自适应窗口生成方法，可以根据相邻像素的色彩和空间位置关系构建自适应窗口。在低纹理区域，提供较大的窗口以提高匹配精度；而在高纹理区域则产生较小的窗口，以保护物体边缘等细节信息。步骤三：代价聚合：确定每个像素的自适应窗口之后，需对窗口内每个单像素的原始匹配代价进行聚合获得总代价，最后选择使总代价最小对应的视差值作为初始匹配结果。步骤四：视差精化：通过上述步骤得到的初始视差与真实视差还存在一些误匹配点和不可信值，需要进行视差精化处理。本发明提出一种基于局部视差直方图的视差精化方法对初始视差图进行进一步处理。然后，采用左右一致性检验检测仍然存在的误匹配点，利用相邻有效点中视差较小的值对误匹配点进行赋值。