融合自适应权重和置信传播的立体匹配算法.pdfVIP

第32卷第2期 杭 州 电子 科 技 大 学 学 报 V01．32．No．2 2012年o4月 Joumal of Hangzhou Dianzi University Apr．2012 融合 自适应权重和置信传播的立体匹配算法 张永平，楼 斌，周文晖，吴 卿 (杭州电子科技大学计算机应用技术研究所，浙江 杭州310018) 摘要：为了提高传统置信传播立体匹配算法在深度不连续区域的准确率问题，该文提出一种融合 局部自适应权重和置信传播的立体匹配算法。该方法采用改进的局部 自适应权重算法 ，获得初始 视差估计，通过左右一致性检测出不可信象素点；对分割后的图像，采用新的消息传播策略，进行 消息的不对称传递。实验结果表明，该算法对深度不连续和弱纹理区域均有较好的匹配结果，能 获得比较理想的视差图。 关键词：立体匹配；局部自适应权重；置信传播；左右一致性检测 中图分类号：TP391 文献标识码 ：A 文章编号：1001—9146(2012)o2—001O—o4 0 引 言 立体匹配被广泛应用在三维重建、机器人视觉导航等领域，近年来，国内外的学者对立体匹配做了 大量的研究，大致可分为局部匹配算法和全局匹配算法…，全局匹配算法性能较好，但耗时较长；局部 匹配算法涉及信息量少，相应的计算复杂度较低。针对这些问题，本文提出一种融合局部白适应权重和 置信传播的立体匹配算法，降低不可信象素点对置信传播的影响。 1 相关工作 基于局部 自适应权重的局部匹配算法，利用象素之间色彩和空间位置差异等信息分配窗口内的各 象素点与待匹配象素点之间的相应权重，但 由于考虑了空间距离因素，易导致深度不连续、弱纹理区域 出现误匹配 。文献3中用置信传播算法来求解能量最小化问题，能够很好地处理弱纹理和深度不连 续区域。 2 本文匹配算法框架 整个视差估计流程可分为3个步骤，如图1所示：第一步，使用改进的局部自适应加权求和算法，将 梯度差异结合到匹配代价中，分别获得左右图像的初始视差估计，通过左右一致性检测得到不可信象素 点；第二步，判断邻近点是否属于同一区域，如图2所示，{r，s，t，U}属于区域N，其它点属于区域M，灰 色填充的点为不可信象素点。若不属于同一区域 ，则不进行消息传递。若邻近点属于同一区域，在各个 分割区域内部进行置信传播 ，可分为3种情况，P是可信象素点时，进行消息传递时利用P的初始视差 强化平滑项；m是不可信象素点，P是可信象素点时，m对P不进行消息传递；m和a都是不可信象素点 时，进行消息传递时不强化平滑项，从而进行优化的不对称消息传递；第三步，根据不对称置信传播的结 果，仅对不可信象素点的视差进行校正。 收稿 日期：2011—03—11 基金项目：国家自然科学基金资助项 目，浙江省自然科学基金资助项 目(Ylll1229) 作者简介：张永平 (1986一)，男，浙江仙居人 ，在读研究生，计算机软件与理论． 第2期 张永平等：融合 自适应权重和置信传播的立体匹配算法 l1 图1 匹配算法流程 图2 区域图 3 本文算法介绍 3．1 改进的局部 自适应权重及左右一致性检测 本文将亮度梯度特性用于局部 自适应权重计算来获得初始视差图，利用亮度梯度提高在视差不连 续区域的准确性。为降低算法的时间复杂度，略去对右图权重因子的计算 ： ㈩ 窗口内中心象素点与其邻近象素点的权重因子为： 埘(p，q)=k。exp(一(Acpq／r。+Agpq／rp)) (2) 式中，△g为邻近点的欧氏空间距离，△c表示色彩空间距离的相似性，qN表示 q是P的邻近象 素点。 基于象素的原始匹配代价