一种快速的分步立体匹配方法
【技术领域】
[0001] 本发明设及一种计算机视觉和数字图像处理领域，尤其是一种快速的分步立体匹 配方法。
【背景技术】
[0002] 目前，立体匹配（stereoMatching)是计算机视觉理论和应用的基础，同时又是一 个较难解决的问题。立体匹配的目标是从不同视点图像中找到匹配的对应点，它被广泛地 应用在遥感图像、医学影像、=维重构、机器人视觉和图像测量等诸多领域中。一直W来有 很多国内外学者对该个领域进行了深入的研究。其中，Szeliski和Scharsten对一些有代 表性的立体匹配算法进行了研究和评价，将所有算法总结分为四大步骤，并且将现有的立 体匹配算法划分为局部算法和全局算法两类。一般而言，全局算法精度较高，但计算繁琐， 参数设定复杂；局部算法效率高且易于实现，但一直存在如何自适应确定支持窗口的大小 和形状的问题，导致其难W达到较高的精度。国内外学者针对该一问题提出了不少具有代 表性的局部匹配算法，主要概括分为W下S类：
[0003] 第一类集中于在预先给定的多个窗口中选择最优窗口作为支持窗口。该算法在一 定程度上提高了图像匹配的精度，抑制了前景放大现象（foreground化tteningeffect), 但由于支持窗口大小和形状的选择被限定，缺乏灵活性，所W很难适应多变的图像结构，误 匹配率仍然较高，且视差边缘也不够清晰。
[0004] 第二类集中于对已确定大小和形状的支持窗口内像素进行加权，或自适应选取支 持窗口的大小和形状。该算法虽然使得匹配的歧义性大大减少，得到的视差结果可W和全 局优化结果媳美，但由于计算复杂，运算开销大，无法体现局部算法的高效性。
[0005] 第=类集中于改进匹配的相似性测度。Z油ih提出了一种用非参数变换进行立体 匹配的算法。后来，很多学者都对基于非参数变换的立体匹配进行了改进，并取得了较好的 效果。虽然非参数变换具有较好的信号转换能力，对噪声和幅度失真有一定的鲁椿性，并能 平衡光照对像素灰度的影响，但只是简单地对原本的灰度值进行非参数变换，并没有利用 像素间的互相关信息。
[0006] 综上所述，局部匹配算法具有难W兼顾匹配精度和匹配效率的缺点，所W在保证 立体匹配精度的同时，提高匹配的速度至关重要。
【发明内容】
[0007] 本发明目的在于提供一种能够兼顾匹配精度与匹配效率的基于局部纹理特性和 彩色图像分割的快速分步立体匹配方法。
[000引为实现上述目的，采用了W下技术方案，本发明所述匹配方法包括W下步骤：
[0009] (1)输入两幅在不同角度下拍摄的相同场景的彩色图像，将其中一幅图像作为参 考图像Ai，另一幅图像作为目标图像Bi，假设两幅图像均已经过极线矫正；
[0010] 似分别对参考图像Ai和目标图像B进行基于局部纹理特性的灰度变换，获得灰 度图像对As和B2;
[0011] (3)利用均值漂移算法对参考图像Ai进行彩色图像分割，采用零均值归一化互相 关度量函数，W任意大小和形状的分割区域作为支持窗口对灰度图像对A2和B2进行立体匹 配，计算分割区域的匹配代价值，根据分割区域的匹配代价值对每个色彩分割区域进行分 类，当分割区域匹配代价大于等于0. 5时，将分割区域分类为可靠匹配区域，标记为1，当分 割区域匹配代价小于0. 5时，将分割区域分类为不可靠匹配区域，标记为0,根据分类结果 估计各个区域内像素的视差范围，形成基于彩色图像分割的视差约束；
[001引 （4)分别采用相关类测度归一化互相关度量函数（Normalized cross-correlation,NCC)和距离类测度灰度差的绝对值和度量函数（SumofAbsolute Difference,SAD)对灰度图像对Ag和B2进行基于固定窗口的立体匹配，并利用基于彩色图 像分割的视差约束刺良制视差捜索范围，获得参考图像Ai的视差图。
[0013] 与现有技术相比，本发明具有如下优点：
[0014] 1、基于局部纹理特性的的灰度变换，充分利用图像的局部纹理特性，提高匹配精 度，尤其是低纹理区域的匹配精度。
[0015] 2、基于彩色图像分割的视差约束，在进行立体匹配的过程中大大缩小视差捜索范 围，减小计算量，提高匹配效率，同时也提高了遮挡区域的匹配精度。
[0016] 3、在未进行视差优化和自适应窗口选择的情况下，无论是选择相关类测度NCC，还 是选择距离类测度SAD，均取得了良好的视差图，具有广泛的度量函数适应范围。
【附图说明】
[0017] 图1是本发明方法的流程图。
[001引图2a)是实施例一中的参考图像Ai。
[0019] 图2b)是实施例一中的目标图像Bi。
[0020] 图3a)是实施例一中的对参考图像Ai进行基于局部纹理特性灰度变换后获得的 灰度图像八2。
[0021] 图3b)是实施例一中的对参考图像Ai进行普通灰度变换后获得的灰度图像A3。
[0022] 图3c)是实施例一中的对目标图像Bi进行基于局部纹理特性灰度变换后获得的 灰度图像B2。
[0023] 图3d)是实施例一中的对目标图像B进行普通灰度变换后获得的灰度图像Bs。
[0024]图4是实施例一中的对参考图像Ai进行彩色图像分割后获得的图像。
[0025] 图5a)是实施例一中的采用距离类测度SAD获得的初始视差图。
[0026] 图5b)是实施例一中的采用相关类测度NCC获得的初始视差图。
【具体实施方式】
[0027] 下面结合附图对本发明做进一步说明：
[002引如图1所示的本发明的流程图，本发明所述匹配方法包括W下步骤：
[0029] (1)如图2所示，获取两幅在不同角度下拍摄的相同场景的彩色图像并输入匹配 系统，图2a)作为参考图像Ai，图2b)作为目标图像Bi，两幅图像均已经过极线矫正；
[0030] (2)分别对参考图像Ai和目标图像B1进行基于局部纹理特性的灰度变换，获得灰 度图像对As和B2,W便在进行灰度变换的同时，最大限度地利用图像的局部纹理特性来突 出图像的结构特征和灰度特征；如图3所示，图