发明名称 一种基于自适应高斯加权的立体匹配方法
摘要 本发明涉及一种基于自适应高斯加权的立体匹配方法,按照如下步骤实现:在目标视图和参考视图中在同一水平方向上分别取一中心点构建相关窗;计算相关窗范围内的目标视图和参考视图对应中心点灰度差异值;计算目标视图和参考视图中中心点周围预设个数的像素与中心点的颜色权重;分别计算目标视图和参考视图中中心点周围的预设个数的像素与中心点的高斯权重;结合上述步骤计算聚合代价并在参考视图最大范围内移动参考视图中心点后重复上述步骤,计算在最大范围内的聚合代价;用WTA方法进行视差优选。本发明通过提供一种基于高斯分布改进的立体匹配方法,更清楚的保留了边缘细节信息,解决了根据经验确定相关窗大小的问题,得到了更加精确的视差图。
申请公布号 CN104123727A 申请公布日期 2014.10.29
申请号 CN201410358425.X 申请日期 2014.07.26
申请人 福州大学 发明人 郭太良;林志贤;姚剑敏;林金堂;徐胜
分类号 G06T7/00(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 福州元创专利商标代理有限公司 35100 代理人 蔡学俊
主权项 一种基于自适应高斯加权的立体匹配方法,其特征在于,按照如下步骤实现:S1:在目标视图中取一点,表示为点<img file="201410358425X100001dest_path_image001.GIF" wi="18" he="24" />;以所述点<img file="582943dest_path_image001.GIF" wi="18" he="24" />为中心、<img file="201410358425X100001dest_path_image002.GIF" wi="42" he="18" />为边长在所述目标视图中构造正方形相关窗,为第一相关窗;在参考视图中,与所述目标视图相同的水平方向上最大视差范围内取一点,表示为点<img file="201410358425X100001dest_path_image003.GIF" wi="18" he="24" />;以所述点<img file="434837dest_path_image003.GIF" wi="18" he="24" />为中心、<img file="214574dest_path_image002.GIF" wi="42" he="18" />为边长在所述参考视图中构造正方形相关窗,为第二相关窗;S2:在当前视差下,将所述第一相关窗中所述点<img file="201410358425X100001dest_path_image004.GIF" wi="18" he="24" />周围的(<img file="dest_path_image005.GIF" wi="66" he="21" />)个像素表示为<img file="201410358425X100001dest_path_image006.GIF" wi="15" he="24" />;将所述第二相关窗中所述点<img file="547467dest_path_image003.GIF" wi="18" he="24" />周围的(<img file="361839dest_path_image005.GIF" wi="66" he="21" />)个像素表示为<img file="201410358425X100001dest_path_image007.GIF" wi="15" he="24" />;所述<img file="121984dest_path_image006.GIF" wi="15" he="24" />与所述<img file="389018dest_path_image007.GIF" wi="15" he="24" />一一对应,并取所述<img file="525601dest_path_image006.GIF" wi="15" he="24" />和所述<img file="194480dest_path_image007.GIF" wi="15" he="24" />在RGB空间内的差异值为<img file="201410358425X100001dest_path_image008.GIF" wi="54" he="23" />;S3:在所述第一相关窗范围内取所述点<img file="dest_path_image009.GIF" wi="18" he="24" />和所述<img file="201410358425X100001dest_path_image010.GIF" wi="15" he="24" />之间的颜色权值为<img file="dest_path_image011.GIF" wi="72" he="27" />;在所述第二相关窗范围内取所述点<img file="201410358425X100001dest_path_image012.GIF" wi="18" he="24" />和所述<img file="63210dest_path_image007.GIF" wi="15" he="24" />之间的颜色权值为<img file="dest_path_image013.GIF" wi="68" he="27" />;S4:在所述第一相关窗范围内取所述点<img file="755222dest_path_image009.GIF" wi="18" he="24" />和所述<img file="492234dest_path_image010.GIF" wi="15" he="24" />之间的高斯权值为<img file="201410358425X100001dest_path_image014.GIF" wi="74" he="27" />;在所述第二相关窗范围内取所述点<img file="953302dest_path_image012.GIF" wi="18" he="24" />和所述<img file="383147dest_path_image007.GIF" wi="15" he="24" />之间的高斯权值为<img file="201410358425X100001dest_path_image015.GIF" wi="69" he="27" />;S5:将所述步骤S2、所述步骤S3和所述步骤S4中的计算结果加以聚合,得聚合代价<img file="201410358425X100001dest_path_image016.GIF" wi="66" he="27" />;S6:保持所述点<img file="559526dest_path_image009.GIF" wi="18" he="24" />在所述目标视图中的位置不变,在所述参考视图中水平方向最大视差范围内以所述点<img file="dest_path_image017.GIF" wi="18" he="24" />为参考点,并根据方向原则水平移动所述点<img file="201410358425X100001dest_path_image018.GIF" wi="18" he="24" />,并重复所述步骤S2、所述步骤S3、所述步骤S4和所述步骤S5得到最大视差范围内的聚合代价;S7:根据赢家通吃WTA法则处理所述最大视差范围内的聚合代价,即选取最大视差范围内的聚合代价最小值;则该值所对应的视差即为所述点<img file="772332dest_path_image009.GIF" wi="18" he="24" />在所述参考视图中对应的视差。
地址 350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区