[发明专利]一种自适应多模融合立体匹配算法

摘要

本发明涉及一种自适应多模融合立体匹配算法，能够依据各特征模式在代价初始化过程中的置信度大小自适应分配权值，实现多特征模式的自适应融合，不需要额外的控制参数，将该自适应模型应用到局部和全局立体匹配算法中，较其它融合模型可以获得更好的匹配效果，包括以下步骤：选定7个常用的特征提取算子，使用选定的特征提取算子获取各自对应基准图像的DSI，利用获得的各DSI中兴趣像素点的最优视差，并依据置信程度，投票选举出该像素点的最优视差将输出的DSI分别应用于局部最优化匹配算法和全局最优化匹配算法，分析对比其匹配效果。

主权项

1.一种自适应多模融合立体匹配算法，其特征在于,包括以下步骤：步骤一：选定7个常用的特征提前算子，包括绝对差值(Absolute Difference,AD)、梯度(Gradient,GD)算子、Rank算子、Census算子、LoG算子、归一化互相关(Normal Cross Correlation,NCC)算子和互相关(Mutual Information,MI)算子；步骤二：使用步骤一中选定的7个特征提前算子，分别获取各自对应基准图像的初始视差空间图像(Disparity Space Image,DSI)；步骤三：利用获得的各DSI中兴趣像素点的最优视差，并依据置信程度，投票选举出该像素点的最优视差假设像素点p，采用第i个特征提取算子，得到的最优视差为d；匹配窗口大小为h_w，匹配窗口中所有最优视差为d的像素点，均按照到像素点p的欧式距离和匹配置信度分配权重并参与投票；n表示窗口内的第n个点，d_n为该点最优视差；则投票选取的最优视差表达式如式(1)所示：式(2)中δ(d_n,d)是Kroneckerδ函数；X是像素的坐标矢量，σ_X＝12；周边区域像素点按置信度大小参与投票选取出最优视差对于每一个测度函数来说，最优视差未必是初始化时计算出来的最优视差；因此初始化时候得到的DSI应当依据重新修改；这里，我们选择在h_w*h_w邻域内，最优视差为且置信度最高的像素点代替像素点p参与到最终加权融合过程中；修改后的DSI可以表示为：需要特别说明的是，对于第i个测度函数来说，如果在其匹配窗口内，没有最优视差值等于的像素点，则最后，依据置信度高低分配权重，融合修改后的DSI，实现多个相似度测度函数的自适应融合，融合后输出DSI可以表示为：其中，CFusion表示融合后的匹配代价，wi为权重因子；步骤四：将输出的DSI应用于局部最优化匹配算法：将AD算子分别与其他算子进行融合，对比AD与各测度函数自适应融合匹配结果；步骤五：将提出的自适应融合方法与其它常用的融合方法加以对比；本处实验采用AD和Census测度函数进行融合，匹配窗口为3×3固定窗口；参与对比的融合方式包括：置信度优先策略、均值融合策略、乘积融合策略、指数函数融合策略和加权融合策略，对比不同匹配方法的匹配效果；步骤六：将输出的DSI应用于全局最优化匹配算法：分别采用AD，Census，及AD‑Census自适应融合算法进行代价初始化，并采用基于α扩张的图割匹配算法进行代价聚合，获取立体匹配视差错误率对比情况。