基于区域实时立体匹配改进算法.docVIP

基于区域的实时立体匹配的改进算法 针对立体匹配研究领域中弱纹理区域匹配问题 关键词：区域匹配；滤波加速；误差阈值；误匹配率 （研究的重要意义）近年来，自主车导航与控制、目标跟踪以及虚拟现实等方面的迅速发展使实时稠密立体匹配算法成为研究热点[1-3]。（前人研究进展）其中，基于区域的立体匹配算法[4-6]可以较快的计算出稠密视差图，满足一定鲁棒性和实时性的要求，（研究的切入点）但是，该算法在面临遮挡问题、深度不连续和弱纹理问题。针对弱纹理区域。SAD (sum of Absolute Difference)算子作为相似性测度函数，并采用WTA（winner-take-all）评价匹配结果。在匹配过程中，应用递归二维均值滤波技术快速计算方法对区域匹配算法进行优化，进而提高算法效率。实验结果[4]，其基本思想是以基准图的待匹配点为中心创建一个窗口，在对准图中对应极线上某一点为中心创建同样大小的滑动窗口，通过窗口内相邻像素的亮度值分布来表征中心像素。在外极线上以像素为单位滑动窗口，计算每个位移点处的窗口匹配测度。当搜索区域中的元素相似性最大时，获得最佳匹配点，其匹配过程如图1所示。该算法运算效率较高，能满足实际应用中对立体匹配实时性的要求。 图1 区域匹配算法 Fig.1 Region matching algorithm 1.2 匹配代价 匹配代价计算是整个立体匹配算法的基础，是对不同的视差进行灰度相似性的测量。为进一步满足系统对匹配实时性的要求，本文采用计算简单且实现方便的SAD算子，用来测量图像对中两点之间的不相似度，算法如下： (1) 其中，和分别表示左图和右图的灰度值，是以p点为中心的邻域窗口。在完成匹配代价叠加后，通过WTA算法在一定范围内选取叠加匹配代价（SAD最小）作为对应的最优匹配点，然后通过误匹配率来判断匹配结果，误匹配率越小匹配效果越合理。 1.3 平均误差阈值 在匹配过程中，由于会受到局部不明确图像区域（如：遮挡区域、弱纹理区域）的影响，降低了获得视差图的可靠性。为提高获得视差图的可靠性，本文采用视差可信度函数，通过检测初始视差值的误差能量可以剔除掉由于遮挡区域造成的一些不可信的视差预测点[7]。视差可信度定义为对所获得的视差图d的误差性能求取均值，即， (2) 其中，是误差能量不为的点数，误差性能为 (3) 通过设置合适的阈值滤除不可信视差点，以增强视差图的可靠性。阈值设置如下： (4) (5) 其中，是过滤后的可靠视差图。(5)式中根据“no-estimated”域原则，设视差为，除计算值，将都设为。是的误差能量，是认为视差估计不可靠的评估阈值。通过计算式（6）可以自动生成阈值： (6) 其中是满足滤波可靠性的容差系数，越小则越可靠，但是过小的容差去除了过多的视差点会腐蚀视差图，故本文设。 2 改进的匹配代价加速算法 由于区域匹配算法较多时间是用来计算叠加匹配代价的，为提高计算不同视差下其运行速度，本文采用了盒滤波技术[8]对相似性度量的计算过程进行优化。该算法通过一个滑动窗口，在计算匹配代价时充分利用前一次的匹配结果，使求和过程与窗口大小无关，从而消除冗余计算。 令代表左图中像素点与右图中像素点之间的叠加匹配代价，窗口大小为。 (7) 图2 加速的叠加匹配代价计算 Fig. 2 Superimposed matching cost accelerating algorithm 由图2可得： (8) (9) 其中 上式中和可以通过以下式子得到，给出为： 的计算与相似，在行和列的方向上同时使用盒滤波计算一个点在某视差处的SAD值，使原先需要个减法运算，现在仅用计算两个像素点的减法，大大降低了算法的复杂度。 3 实验结果及分析 针对匹配质量和匹配时间问题，本文选用Middlebury立体图像对针对改进后的算法进行测试，对采用标准视差图法得到运算结果的误差进行评测[9-10]。其中匹配质量选用常用的指标误匹配率B进行对比： (10) 其中为容差值，一般取＝1，和分别是计算视差图和真实视差图，N为图像像素数。该指标反映了计算所得视差值的误差大于某一阈值的像素在整幅图中占有的比例。 采用视差范围为0-40，匹配窗口为的Teddy图像对进行匹配实验。 图3.1 Teddy原图 Fig. 3.1 The stereo image pair of Teddy （a）初始视差图 （b）可靠视差图 （c）视差图的误差能量 图3.2 改进算法匹配结果图 Fig. 3.2 The matching result of improved algorithm 利用四组标准图像对分析比较一般区域匹配算法（左图）与本文的改进算法（右图）在精度和计算时间的差异，（视差为0-20）。 （a