CN114565647B 基于纹理区域自适应动态代价计算和聚合的立体匹配方法 （南京理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114565647B(45)授权公告日2025.07.01

(21)申请号202210175469.3

(22)申请日2022.02.24

(65)同一申请的已公布的文献号申请公布号CN114565647A

(43)申请公布日2022.05.31

(73)专利权人南京理工大学

地址210094江苏省南京市孝陵卫200号

(72)发明人于纪言陈艺

(74)专利代理机构南京理工大学专利中心

32203

专利代理师张玲

(51)Int.CI.

GO6T7/33(2017.01)

GO6T7/11(2017.01)

GO6T7/136(2017.01)

(56)对比文件

陈艺等.自适应纹理区域的多尺度融合立体匹配算法.计算机工程与应用.2023,全文.

审查员周立秋

权利要求书2页说明书7页附图4页

(54)发明名称

基于纹理区域自适应动态代价计算和聚合的立体匹配方法

(57)摘要

本发明为一种基于纹理区域自适应动态代价计算和聚合的立体匹配方法。具体为：(1)输入双目图像；(2)代价计算：将图像划分为强、弱和无纹理区域，在强纹理区域采用AD与Census相结合的代价计算，在弱和无纹理区域采用AD与梯度相结合的代价计算；(3)代价聚合：在十字臂的构建过程中弱化像素点值之差约束条件，增加梯度幅值之差的约束条件，使得在图像的弱和无纹理区域的构建臂长变长；(4)采用WTA策略筛选出最小代价值，计算出视差值；(5)视差优化后处理；

CN114565647B(6)输出最终视差图。本发明方法具有较好的稳健性，能够较好地适应不同的场景，也可以应用

CN114565647B

左右图像输入

视差图输出

代价计算：

1、划分强纹理、弱纹理和无纹理区

3.瑞收理参无汉退区址：AD·梯度

视差优化后处理：

代价聚合：

1、强纹理区域十字臂构建：像素点距

2、弱纹理和无收理区域十字臂构建：像素点距离阀值+梯度之差阀值

CN114565647B权利要求书1/2页

2

1.一种基于纹理区域自适应动态代价计算和聚合的立体匹配方法，其特征在于，包括如下步骤：

步骤(1):输入经过矫正的双目图像；

步骤(2):代价计算：将图像划分为强纹理区域、弱纹理区域和无纹理区域，在强纹理区域采用AD与Census相结合的代价计算，在弱纹理区域和无纹理区域采用AD与梯度相结合的代价计算；

步骤(3):代价聚合：在十字臂的构建过程中弱化像素点值之差约束条件，增加梯度幅值之差的约束条件，使得在图像的弱纹理区域和无纹理区域的构建臂长变长；

步骤(4):采用WTA策略筛选出最小代价值，计算出相应视差值；

步骤(5):视差优化后处理：将步骤(4)得到的视差值进行四步优化策略，得到优化后的视差图；

步骤(6):输出最终视差图；

步骤(3)具体为：

在强纹理区域设置颜色值之差和空间臂长之差两约束条件；在弱纹理和无纹理区域设置梯度和空间臂长之差两约束条件；具体表达式如下：

(17)

其中DG(p,q)=|D?(p)-D(q)|表示两像素点p和q之间的梯度值之差的绝对值，q?为像素点q的相邻点，t?为像素点q与其相邻点q?的颜色值之差的最大值阈值，当p和q以及q?和q中任意一对像素点的空间距离在[L?,L?]之间时，设置更加严格的颜色阈值T?,其中Dc(p,q)表示p和q两像素点的颜色值之差，D?(p,q)表示p和q两像素点的梯度值之差，D(p,q)表示p和q两像素点之间的空间距离之差，q?和q也有类似对比关系，L?为最大空间臂长距离，T?和t?分别为两断臂长范围内的梯度阈值；

步骤(5)中的“四步优化策略”具体为：

左右一致性检查、迭代局部投票、视差非连续区调整和子像素优化。

2.根据权利要求1所述的方法，其特征在于，所述步骤(2)中“将图像划分为强纹理区域、弱纹理区域和无纹理区域”具体为：

强纹理区域、弱纹理区域和无纹理区域分别表示为Us、Uw、Uq,将任意以像素点周围n个像素点值进行相加并取平均值，设置判断阈值t,计算公式如下：

(1)

(2)

式(1)为利用周围像素点灰度值均值与阈值τ进行比较判断，式(2)为利用周围像素点三通道颜色值均值与阈值t进行比较判断，flag为判断标志位，若为1,则此像素点属于Us;反之，则属于Uw和Uq。

3.根据权利要