一种基于线性分割引导滤波(lsgf)的立体匹配方法
【专利摘要】本发明涉及计算机视觉中立体匹配方法,针对引导滤波立体匹配方法在低纹理和不连续边界的缺陷,提出了一种精确的线性分割引导滤波立体匹配方法，此发明属于计算机应用领域。首先引入BT测度和两方向梯度来提高引导滤波的代价测度的精度。然后，在图像分割中，超细分割被引入来替代过细分割。最后，用图像分割（Mean-shift算法）对引导滤波获得的视差进行进一步精炼处理。结合线性平面拟和算法，为获得鲁棒、准确的视差效果，采用偏导数分解方法获得线性平面拟合参数，对标定稳定的分割视差获得分割视差集，对不稳定视差利用稳定视差集进行对不稳定平面进行精炼。线性分割引导滤波方法具有较准确的立体匹配视差精度，同时也有很好的边缘保持和平滑效果。
【专利说明】—种基于线性分割引导滤波(LSGF)的立体匹配方法
【技术领域】
[0001]本发明涉及计算机视觉和立体匹配技术，尤其涉及一种基于线性分割引导滤波(LSGF)的立体匹配方法，属于计算机应用领域。
【背景技术】
[0002]立体匹配是目前热点的计算机视觉方向之一。其目标是在不同的视点视角及不同的时间地点，在一幅或几幅图片中找出对应点，进而获得一个稠密的深度或视差映射图。
[0003]目前常见的立体匹配方法包括局部方法和全局方法。全局方法主要包括图割(GC)和置信传播(BP)方法。全局方法精度较高，但速度相对较慢，难以满足实时、准确、快速的应用，尤其在三维重建、立体视频、机器人导航等对实时性较高的领域无法满足。局部算法主要包括双边滤波(BF)、引导滤波(GF)等。局部方法通常速度快，可以满足实时应用，其中引导滤波是目前最快效果最好的局部滤波之一，具有很好的边缘保持平滑效果。
[0004]然而引导滤波在不连续区域边缘和大面积平滑区域效果不够理想，会出现误匹配，故为进一步提高立体匹配精度，同时不影响速度，我们引入线性分割引导滤波，以便进一步提高立体匹配的精度，尤其是在不连续区域。
【发明内容】
[0005]本发明目的在于提供一种精确、有效的线性分割引导滤波的立体匹配方法，旨在解决现有引导滤波的立体匹配方法在大面积的低纹理区域和不连续区域边界的缺陷。
[0006]本发明是通过以下方法实现的:首先为提高引导图像精度，结合BT (Birchfieldand Tomasi)测度和两方向梯度(水平梯度和垂直梯度)，分别对代价测度中的颜色测度及梯度测度进行改进，以提高引导滤波的精度；然后我们在引导滤波的基础上，引入图像分割(mean-shift算法),通过大量试验发现,过细分割仍有较大概率跨越不连续区域，故超细分割被引入来替代过细分割；在获得的超细分割中，实施对视差进行线性平面拟合，为获得鲁棒、稳定的线性解，我们采用线性偏微分系数分解方法获得稳定的平面参数，获得平面视差集，最后用稳定的视差集精炼不稳定点，获得线性分割引导滤波(LSGF)。
[0007]本发明方法具体步骤如下:
步骤1:采用BT (Birchfield and Tomasi)测度和两方向梯度,分别对引导图像的代价测度中的颜色测度及梯度测度进行改进，以提高引导滤波的精度.在引导滤波的代价测度函数基础上，我们改进代价函数。对于改进的梯度测度函数，我们采用两方向梯度(水平方向和竖直方向)，在改进的颜色测度中，我们引入BT测度。
[0008]步骤2:在图像分割中，超细分割被引入来替代过细分割；通常图像分割中，过细分割获得很好的效果，被广泛应用。然而我们发现，过细分割仍然存在着较大的概率跨越不连续边界和区域。所以我们采用超细分割使分割块尽可能使小。
[0009]步骤3:线性分割引导滤波(LSGF).首先，通常简单的线性解会产生更加稳定和高效的视差效果，能满足精度和稳定性的需要，我们采用线性平面拟合方法。我们采用偏导数分解方法获得线性平面三个参数，具体步骤如下:
1)获得可信视差。我们采用左右一致方法(LRC)获得可信视差，同时过滤不可信视差。当每个分割内可信视差的比率n大于0.6，我们认为分割是稳定的。对于稳定的视差分割，用可信的视差值可以求得平面拟合的三个分量；
2)水平分量Cih求解。考虑偏导数分解方法获得ah，ah可以在每个稳定的分割内求水平方向的可信视差值，然后排序获得中间值；
3)垂直分量αν求解。同样的方法我们考虑偏导数分解方法获得aV，αν可以在每个稳定的分割内求水平方向的可信的视差，然后排序获得中间值；
4)ad求解。同样的方法我们可以用在求a d，然后排序获得中值；
5)之后我们得到可信分割块的拟合平面参数，获得视差平面集Γ。
[0010]然后，我们进一步精炼视差平面集，获得最终视差图，具体步骤如下:
O精炼不可信视差值。对于不可信的视差，我们采用可信的视差集Γ的平面参数对不可信点进行精炼；
2)我们用可信分割集中每个分割平面去精炼不可信分割块，误差最小参数可以认为是该分割的可信视差值；
3)将一样视差平面合并，新的平面参数可以通过平面拟合获得，最后获得最终视差图。
[0011]本发明提出的精确的线性分割引导滤波(LSGF)的局部立体匹配方法，其具有很好的立体匹配的速度及精度，同时也有很好的边缘保持和平滑效果，尤其是在不连续区域的边界和低纹理区域。
【专利附图】
【附图说明】
[0012]图1为本发明一种基于线性分割引导滤波流程图。
【权利要求】
1.一种基于线性分割引导滤波(LSGF)的局部立体匹配方法，其特征在于包括以下步骤: 步骤1:为提高引导图像精度，结合BT(Birchfield and Tomasi)测度和两方向梯度冰平梯度和垂直梯度)，分别对引导图像的代价测度的颜色测度及梯度测度进行改进，以提高引导滤波的精度； 步骤2:我们在引导滤波的基础上，引入图像分割(mean-shift算法)对视差精炼以提高视差精度，通过大量试验发现，过细分割仍有较大概率跨越不连续区域，故超细分割被提出来取代过细分割； 步骤3:在获得的超细分割中，对获得的视差进行线性平面拟合，为获得鲁棒、稳定的线性解，我们采用偏微分系数分解方法获得稳定的三个线性平面参数，同时获得可信平面视差集，最后用可信视差集精炼不稳定点的视差。
2.根据权利要求1所述的线性分割引导滤波，其特征在于，在步骤I中，对引导滤波的代价测度进行改进: 在颜色测度中，我们引入BT测度，来提高代价测度的颜色测度；在梯度测度中，我们采用两方向测度(水平方向和竖直方向)来提高代价测度的梯度测度。
3.根据权利要求1所述的线性分割引导滤波，其特征在于，在步骤2中，对图像分割(mean-shift算法)进行改进: 根据实验观察，并通过大量试验发现，过细分割仍有较大概率跨越不连续区域，故我们提出用超细分割方法分割图像；通过试验验证，获得较好的分割效果。
4.根据权利要求1所述的线性分割引导滤波，其特征在于，在步骤3中，对引导滤波及图像分割进行改进: 在上面获得的超细分割中，对引导滤波获得的视差进行线性平面拟合，为获得鲁棒、稳定的线性解，我们采用偏微分系数分解方法获得稳定的线性平面参数，当每个分割块内可信视差的比率H大于0.6，即为稳定点，据此获得稳定平面视差集Γ，然后用稳定的视差点集精炼不稳定点的视差，并将相同参数的平面集合并，然后再重新进行平面拟和，最终获得稳定的视差图。
【文档编号】G06T7/00GK104376567SQ201410705013
【公开日】2015年2月25日 申请日期:2014年12月1日 优先权日:2014年12月1日
【发明者】刘怡光, 王晓峰 申请人:四川大学