非局部立体匹配算法的组合匹配代价算法和视差联合填充算法

摘要

本发明公开了一种非局部立体匹配算法的组合匹配代价算法和视差联合填充算法，该算法使用基于最小生成树的代价聚合的非局部立体匹配算法，在预处理阶段使用基于改进的最小生成树的算法去除原始图像的噪音，增强纹理信息，获得增强图像。然后在匹配代价阶段不仅使用原始图像的信息，还使用增强图像的信息。这样即得到了图像的局部信息，也能获得全局信息，在后期的代价聚合起一定的作用。在最后的视差细化部分，针对视差不连续和误匹配问题，提出了联合权重填充算法。实验表明，与其他的非局部立体匹配算法相比，该算法的误匹配率低，对边缘区域，重复纹理和遮挡区域有很强的鲁棒性。实验结果证明了本发明算法的有效性。

主权项

一种非局部立体匹配算法的组合匹配代价算法和视差联合填充算法，其特征在于，包括以下步骤：(1)增强图像：对左右两幅图像使用基于最小生成树的滤波算法，获得增强图像；(2)计算初始匹配代价值：匹配代价是左右两幅图像上对应匹配点之间相似性的度量，使用颜色差异信息、原始图像和步骤(1)获得的增强图像结合梯度信息、Census变换信息三者相组合而获得的匹配代价值；(3)计算代价聚合值：把图像中的每个像素值当做一个节点，上下左右相连，获得一个四连通无向图，根据权重值构建最小生成树，权重值是相邻像素点之间的灰度差，然后沿着最小生成树的路径对步骤(2)获得的每一个像素点的匹配代价值进行代价聚合；(4)计算初始视差图：使用“胜者为王”算法获得初始视差图，这个算法是在视差范围内通过选择最小的聚合后的匹配代价值所对应的视差值做为最终视差值，获得初始视差图D；(5)视差细化：先采用左右一致性检测方法检测步骤(4)获得的初始视差图D，判断出异常点，然后针对这些异常点使用基于有效区域的颜色加权与视差加权的联合填充算法，有效区域是指异常点的上下左右四个方向的视差范围，对得到的填充视差图再采用左右一致性检测，将像素分为稳定的像素点和不稳定的像素点，对稳定的像素点根据此式做更新，获得新的代价量，再一次使用最小生成树的代价聚合的方法对新的代价量做代价聚合，然后采用胜者为王算法，最后再采用加权中值滤波，获得最终的视差图。