基于抗纹理十字和权值十字的立体视差优化方法与流程

技术特征：

1.一种基于抗纹理十字和权值十字的立体视差优化方法，包括：

(1)对原左视差图d_L和原右视差图d_R进行错误点检测，得到原左视差图d_L中错误点集合E；

(2)对原始彩色图像I进行预处理，即滤除原始彩色图像I中的纹理信息，保留结构信息S；

(3)构建支持区域R：

(3a)利用步骤(1)得到的错误点集合E，选取一个错误点p∈E，在结构信息S中，进行向左、右、上、下四个方向的抗纹理十字延伸，即判定下一个点是否满足颜色相似性和距离相似性，若满足，则继续延伸，否则，用探索向量，即该位置后的L个连续点，探索该点所在的区域，若该点在结构边界上，则停止延伸，若在纹理区域上，则继续延伸；

(3b)通过向左、右、上、下四个方向的十字延伸，得到错误点p的正交十字左臂L(p)，右臂R(p)，上臂U(p)和下臂D(p)；

(3c)对每个属于上臂U(p)和下臂D(p)上的点q，通过向左右两个方向延伸，找到其水平臂H(q)，进而得到整个支持区域R；

(4)对支持区域R中的每一点t，在可选视差d的每一层，计算其视差代价C_d(t)：

其中，d_L(t)是点t在原左视差图中的视差值；d为可选视差，取0到max＝64之间的整数，则每一点t可得max+1层视差代价C_d(t)；

(5)构建权值十字T:

(5a)对于支持区域R，按照步骤(3)中先左臂L(p)、右臂R(p)、上臂U(p)、下臂D(p)，再水平臂H(q)的顺序，在每条臂的相邻点m与n之间，计算权重W_mn：

其中，ΔI_c＝|I_c(m)-I_c(n)|，为结构信息S中相邻两点m与n的深度间隔，Δd＝|d_L(m)-d_L(n)|，为原左视差图中相邻两点m与n的视差间隔，c表示R,G,B三个通道中的一个通道，λ∈[0,1]，为调节深度信息和视差信息的权重参数，τ₃是控制视差间隔的门限；

(5b)通过计算相邻点m与n之间的权重W_mn，得到权值十字T，即一个加权无向图，利用权值W_mn，通过弗洛伊德算法遍历权值十字T，得到任意两节点x和y之间最短路径的距离D(x,y)；

(6)视差代价聚合：

(6a)对于可选视差d的每一层，利用权值十字T，计算每个节点m的向上信息量和向下信息量

$C_d^{A\↑}\left(m\right)=C_d\left(m\right)+\underset{F\left(n\right)\∈m}{\Σ}S(m,n)C_d^{A\↑}\left(n\right)$

$C_d^{A\↓}\left(m\right)=C_d^{A\↑}\left(m\right)+S\left(F\right(m),m)\×\[C_d^{A\↓}\left(F\right(m\left)\right)-S\left(F\right(m),m)\×C_d^{A\↑}\left(m\right)\],$

其中，F(n)表示n的父节点,F(m)表示m的父节点,C_d(m)表示点m的视差代价，S(m,n)表示两点m,n之间的相似性；

(6b)对于可选视差d的每一层,每个节点m的视差聚合总信息量为：

$C_d^A\left(m\right)=C_d^{A\↓}\left(m\right)$

(7)对于错误点p，利用其每一层可选视差d的视差聚合总信息量选择最佳视差值d_opt(p)：

$d_{opt}\left(p\right)=\arg {\min }_{d\∈\[0,\max level\]}{C}_d^A\left(p\right),$

将错误点p的视差值更新为d_opt(p)；

(8)重复步骤(3)-(7)，直至所有错误点p∈E被更新。

2.如权利要求1所述的方法，其特征在于，步骤(1)中利用原左视差图d_L和原右视差图d_R，通过左右连续性检测方法进行进行错误点检测，即先对于原左视差图dL中的点p，判定是否满足|d_L(p)-d_R(p-d_L(p))|≥1，如果满足，则p为错误点，反之，p为正确点；再对原左视差图d_L中的所有点重复此操作，生成错误点集合E。

3.如权利要求1所述的方法，其特征在于，步骤(2)中滤除原始彩色图像I中的纹理信息D₂，按如下步骤进行：

(2a)使用相对总偏差法对原始彩色图像I进行滤波，提取出结构信息得到第一结构层S₁；

(2b)从原始彩色图像I去除第一结构层S₁，得到第一细节层D₁＝I-S₁，继续使用相对总偏差法对第一细节层D₁进行滤波，提取出D₁的结构信息得到第二结构层S₂；

(2c)根据第一结构层S₁和第二结构层S₂,计算原始彩色图像结构信息S：

S＝λ₁×S₁+λ₂×S₂，

其中，λ₁为第一层系数，λ₂为第二层系数。

4.如权利要求1所述的方法，其特征在于，步骤(3a)中的颜色相似性，其定义为：如果结构信息S中两个像素点m与n满足：max(|I_c(m)-I_c(n)|_c＝_R,G,B)<τ₁，则这两个像素点满足颜色相似性，否则，不满足颜色相似性，其中，I_c(·)为结构信息S中深度信息，c为R,G,B三个通道中的一个通道，τ₁为颜色门限，τ₁＝20。

5.如权利要求1所述的方法，其特征在于，步骤(3a)中的距离相似性，其定义为：如果结构信息S中两个像素点m与n满足：Ω(m,n)<τ₂，则这两个像素点满足距离相似性，否则，不满足距离相似性，其中，Ω(m,n)为m和n之间的欧几里得距离，τ₂为距离门限，τ₂＝25。

6.如权利要求1所述的方法，其特征在于，步骤(5b)中构建权值十字T，是把支持区域R的像素点建立成图的点集V，将支持区域R中每条臂的相邻点m与n之间进行连接，建立图的边集E，并对其赋给边上权值W_mn，建立关联函数I，生成加权无向图(V,E,I)，即为权值十字T。

7.如权利要求1所述的方法，其特征在于，步骤(6a)中的相似性S(m,n)，其定义为：其中，σ＝0.1，为用来调节距离的参数，D(m,n)表示两点m,n之间最短路径的距离。