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dL和原右视差图dR进行错误点检测,得到原左视差图dL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Cd(t):
其中,dL(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Cd(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Wmn:
其中,ΔIc=|Ic(m)-Ic(n)|,为结构信息S中相邻两点m与n的深度间隔,Δd=|dL(m)-dL(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Wmn,得到权值十字T,即一个加权无向图,利用权值Wmn,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
其中,F(n)表示n的父节点,F(m)表示m的父节点,Cd(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:
(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dopt(p):
将错误点p的视差值更新为dopt(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dL和原右视差图dR,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|dL(p)-dR(p-dL(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dL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(|Ic(m)-Ic(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,Ic(·)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Wmn,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。