053] 步骤1:将左图像L(X，y)和右图像R(X，y)分别基于邸MD自适应筛分成一系列基 本模式分量（Intrinsicmode化nction,IMF)W及残余分量。筛分过程实际上是将多分量 信号分解为单分量信号的过程。先筛分出来的IMF具有最精细的尺度信息，然后依次类推。 为了说明，对作为例子的左右图像分解为3个IMF,分解结果见图3,可见信号不同频率的成 分被分解到不同的IMF分量中，便于瞬时频率和相位的提取。
[0054] /(、>') = S//V巧'(X,y) +Re'"池(?:;(X,y) (/ =L、R) (1)
[005引步骤2:利用泊松kernel核的差对左右图像的IMF进行带通滤波，见图4(a)&(d) 并通过复数化esz变换获得对应的二维解析信号。2D信号及其Riesz变换构成单演信号， 具有旋转不变性。尺度为S的泊松kernel核在空域的表达式为
[0056]
稱[0057]其对应的复数Riesz变换在空域的表达式如下，（3)、（4)分别表示其实部和虚部：
[005引 （引
[0059] 狄
[0060]左右图像的IMFW及残余分量进行复数化esz变换，结果见图4化)-(C)，（e)-讯， 可见Riesz变换的结果可W鲁棒的反映图像的局部结构信息：
[0061] fRi=f*real巧K) (5)
[0062] fR2=f*imag(；RJ 化）
[006引其中*代表卷积运算，f代表原始信号，在运里包括左右图像的IMF分量化及筛分 残余分量。If, 构成二维单演信号空间。
[0064] 步骤3 :提取二维解析信号的局部相位O、局部幅值A、瞬时频率巧 [00 财 (J)
[006引 拷）
[0067] (9)
[006引其中A代表Riesz变换后解析信号的实部Ri和虚部R2, ▽表示偏导。利用式巧） 求瞬时频率避免了直接对相位进行计算时的解包裹问题。
[0069] 步骤4 :在每个IMF尺度W及残余分量根据局部相位和瞬时频率估计初始视差 图：
[0070]
(10)
[0071] 步骤5 :最终视差图取每个尺度得到的视差的加权平均值。加权系数涵盖了幅值 匹配指标、不同尺度估计视差吻合度指标W及光滑性假设指标。最终视差的获取过程如 下：
[0072] (a)由于幅值随外界光照等条件变化影响较大，不参与视差估计，但是可W 作为衡量视差估计精度的指标。在第一尺度计算每点视差的幅值匹配加权系数如下， 丫iG(〇，1)，丫 1越大，说明幅值信息匹配的越好，估计的视差越可靠。
[007引
（H)
[0074] 化）理论上在不同尺度估计某一图像位置的视差应该是相同的，吻合度越高，说明 视差估计的越准确。将在第一尺度计算得到的加权视差与下一尺度进行比较，得到吻合度 系数，采用如下形式：
[0075]
(12)
[0076] YzE (〇，1)，丫2越大说明不同尺度估计的视差吻合度越好，视差精度越高。 di (X，y)、d2 (X，y)分别表示第一尺度和第二尺度的视差估计值。
[0077] (C)利用公式（12)继续比较第一尺度与后续第S尺度、第四尺度等之间的视差吻 合度，得到不同尺度每点的可靠性系数。
[007引（d)通过不同尺度的视差值加权平均得到可靠的视差图，
[0079]
(13)
[0080] (e)视差图后处理。假设邻近点应当具有相近的视差，每个点的最终视差是其本身 及邻域视差值的加权平均值。加权系数是由每个点的可靠性系数决定的。
[0081] 图5为基于图像灰度信息和基于EMD相位信息匹配结果图，可见基于EMD相位信 息匹配得到结果的精确性和鲁棒性。
[0082] W上内容仅为说明本发明的技术思想，不能W此限定本发明的保护范围，凡是按 照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书 的保护范围之内。
【主权项】
1. 一种基于二维经验模式分解的自适应立体视差估计方法，其特征在于，包括以下步 骤： 步骤1 :将左图像L(x，y)和右图像R(x，y)分别基于BEMD自适应筛分成一系列基本模 式分量以及残余分量； 步骤2 :利用泊松kernel核的差对左图像和右图像的IMF以及残余分量进行带通滤 波，并通过复数Riesz变换获得对应的二维解析信号； 步骤3 :提取二维解析信号的局部相位?、局部幅值A以及瞬时频率w; 步骤4 :在每个IMF尺度根据提取的局部相位和瞬时频率信息进行初始视差估计：步骤5 :最终视差图取每个尺度得到的视差的加权平均值；加权系数涵盖了幅值匹配 指标、不同尺度估计视差吻合度指标以及光滑性假设指标。2. 如权利要求1所述的基于二维经验模式分解的自适应立体视差估计方法，其特征在 于，所述步骤1中，基本模式分量为：3. 如权利要求1所述的基于二维经验模式分解的自适应立体视差估计方法，其特征在 于，所述步骤2中，利用泊松kernel核的差对左右图像的頂F进行带通滤波，并通过复数 Riesz变换获得对应的二维解析信号；尺度为s的泊松kernel核在空域的表达式为其对应的复数Riesz变换在空域的表达式如下，公式（3)和公式（4)分别表示其实部 和虚部：左右图像的IMF以及残余分量进行复数Riesz变换： fR1=f*real(RK) (5) fR2=f*imag(RK) (6) 其中*代表卷积运算，f代表原始信号，在这里包括左右图像的MF分量以及筛分残余 分量；{f，fR1，fR1}构成二维单演信号空间。4. 如权利要求1所述的基于二维经验模式分解的自适应立体视差估计方法，其特征在 于，所述步骤3和4中，提取二维解析信号的局部相位?、局部幅值A以及瞬时频率◎的 具体方法如下：在每个頂F尺度以及残余分量根据局部相位和瞬时频率估计初始视差图：5. 如权利要求1所述的基于二维经验模式分解的自适应立体视差估计方法，其特征 在于，所述步骤5中，最终视差图取每个尺度得到的视差的加权平均值，加权系数涵盖了幅 值匹配指标、不同尺度估计视差吻合度指标以及光滑性假设指标，最终视差的获取过程如 下： (a) 在第一尺度计算每点视差的幅值匹配加权系数yi，Y1G(〇，1)，Yi越大，说明幅 值信息匹配的越好，估计的视差越可靠：(b) 在不同尺度估计某一图像位置的视差应该是相同的，吻合度越高，说明视差估计的 越准确；将在第一尺度计算得到的加权视差与下一尺度进行比较，得到吻合度系数Y2:Y2G(〇，1)，Y2越大说明不同尺度估计的视差吻合度越好，视差精度越高； (c) 继续比较第一尺度与后续第三尺度、第四尺度等之间的视差吻合度，得到不同尺度 每点的可靠性系数； (d) 通过不同尺度的视差值加权平均得到可靠的视差图：6. 如权利要求5所述的基于二维经验模式分解的自适应立体视差估计方法，其特征在 于，所述步骤5中，最终视差的获取过程还包括以下步骤： (e) 视差图后处理： 假设邻近点应当具有相近的视差，每个点的最终视差是其本身及邻域视差值的加权平 均值，加权系数是由每个点的可靠性系数决定的。
【专利摘要】本发明公开了一种基于二维经验模式分解的自适应立体视差估计方法，通过采用图像的相位信息进行视差估计，图像结构随着外界光照等变化一般比较稳定，保证了匹配的精确性和鲁棒性。本发明基于EMD自适应地将图像分解为不同频带的单分量信息，提取有效的相位信息，规避了目前基于小波变换提取相位中小波基的选择难题。图5为基于图像灰度信息和基于EMD相位信息匹配结果图，可见基于EMD相位信息匹配得到结果的精确性和鲁棒性。
【IPC分类】H04N13/00, H04N17/00
【公开号】CN105141937
【申请号】CN201510368403
【发明人】赵宏, 谷飞飞, 卜鹏辉, 马跃洋
【申请人】西安交通大学
【公开日】2015年12月9日
【申请日】2015年6月29日