一種新型的局部立體匹配算法的研究

徐源 李欣萌 白亞丁

摘要：本文構(gòu)造了一個新型的局部立體匹配算法，獲取改善的初始視差圖，為進(jìn)一步提高立體還原精度提供可靠的前提。為了獲取準(zhǔn)確的初始立體匹配視圖，本文創(chuàng)立了基于兩個主要規(guī)則的局部立體匹配算法，即：1）利用目標(biāo)像素鄰域的亮度分布計(jì)算匹配帶價;2） 利用基于梯度的Census變換法計(jì)算匹配代價;用上述兩種方法共同決定初始視差圖，最后運(yùn)用交叉匹配的方式對初始匹配視圖進(jìn)行精煉。

關(guān)鍵詞：立體匹配;局部匹配算法;Census變換法;交叉匹配

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2018）12-0102-02

1 概述

立體匹配是現(xiàn)今計(jì)算機(jī)視覺研究領(lǐng)域重要的研究熱點(diǎn)之一，它是通過查找并比較兩幅或多幅從不同視角拍攝的一同場景的圖像，通過比較不同圖像之間的匹配像素點(diǎn)來計(jì)算匹配像素之間的視差值，通過后續(xù)的二維視差轉(zhuǎn)化為三維的深度信息，從而得到三維場景模型[1]。立體匹配在機(jī)器人導(dǎo)航、虛擬現(xiàn)實(shí)、無人駕駛等領(lǐng)域得到了廣泛的應(yīng)用。

立體匹配的難點(diǎn)主要在于運(yùn)用快速并且有效的方法在左右視圖中找出相對應(yīng)的立體匹配像素點(diǎn)。雖然在計(jì)算機(jī)視覺領(lǐng)域尤其是視差圖優(yōu)化等方面，很多學(xué)者已經(jīng)進(jìn)行了大量的研究，但是現(xiàn)今仍然面臨著很多挑戰(zhàn)性的難題[1]。立體匹配方法主要分為局部立體匹配算法[2]和全局立體匹配算法[3]。全局算法精度較高，但是復(fù)雜度高、實(shí)時性差。而局部算法復(fù)雜度低、效率高，但是誤匹配率卻顯著提高[4-7]。

為減少局部匹配的誤匹配率，獲得更加精確的初始視差圖，本文提出一種融灰度和基于梯度的census變換來計(jì)算聯(lián)合匹配代價的局部立體匹配算法。首先用以上兩種方法分別計(jì)算各自的匹配代價，最后結(jié)合兩種方法確定視差圖。最后采用交叉匹配法，進(jìn)行視差計(jì)算并且對錯誤匹配點(diǎn)進(jìn)行視差精化從而得到最終的視差圖[8-9]。

2 匹配代價的計(jì)算

2.1 基于局部區(qū)域像素灰度差的匹配代價計(jì)算

本文立體匹配算法是將灰度和梯度及改進(jìn)的census變換相融合來計(jì)算聯(lián)合匹配代價的局部立體匹配算法。首先分別計(jì)算灰度、梯度和census變換三者的匹配代價，其中，灰度的計(jì)算公式如下：

（1）

其中是以點(diǎn)為中心的5*5的窗口。

2.2 基于改進(jìn)Census變換法的匹配代價計(jì)算

傳統(tǒng)的census變換[9]是選取中心像素的灰度值為參考，將中心像素與窗口的灰度值進(jìn)行比較，進(jìn)行變換后計(jì)算hammming距離確定相似度。為提高算法的穩(wěn)定性與精度，本文使用基于像素梯度的census變化算法，相比與傳統(tǒng)的census變化算法，本文將使用像素的一階梯度幅度進(jìn)行比較，改進(jìn)的census變換如下所示：

（2）

其中點(diǎn)為點(diǎn)的鄰域點(diǎn)中，表示利用改進(jìn)Census變換后點(diǎn)的像素值，表示和表示分別表示運(yùn)用Robert算子計(jì)算的點(diǎn)和點(diǎn)梯度值：

（3）

經(jīng)變換后計(jì)算潛在匹配點(diǎn)之間的Hamming距離以確定兩個像素點(diǎn)之間的匹配代價為：

（4）

2.3 聯(lián)合匹配代價

接下來計(jì)算聯(lián)合匹配代價，計(jì)算公式如下所示：

（5）

代表聯(lián)合匹配代價，為權(quán)重參數(shù)。

3 視差計(jì)算與精化

為使初始視差圖的精度進(jìn)一步提高，采用交叉匹配的方法。通過計(jì)算左右圖中一對匹配點(diǎn)的視差差異來確定該點(diǎn)是否為可靠匹配點(diǎn)，將可靠匹配點(diǎn)視差保留，并清除不可靠匹配點(diǎn)，可靠性判定方法如下：

（6）

其中是以左圖中的點(diǎn)作為參考點(diǎn)計(jì)算的最佳視差值， 為右圖點(diǎn)的最佳視差值，當(dāng)上述兩個值滿足方程時，點(diǎn)被認(rèn)為是可靠點(diǎn)，視差值保留，反之點(diǎn)被視為不可靠點(diǎn)，清除已有的視差值。

4 實(shí)驗(yàn)結(jié)果與分析

本文引用網(wǎng)絡(luò)數(shù)據(jù)庫http：//vision.middlebury.edu/stereo中關(guān)于立體視覺的二維圖像組合，其中包含一些可變的因素：1）無信息區(qū)域，2）視察不連續(xù)的邊界，3）被遮擋的區(qū)域等。圖1顯示了通過我們的算法得到的立體還原結(jié)果。程序運(yùn)行時間與算法的循環(huán)次數(shù)有關(guān)。本研究采用的是4GHz CPU的計(jì)算機(jī)進(jìn)行測試，運(yùn)行時間是4.59s。（參數(shù)選擇如下：）

從表1中我們可以看出，單獨(dú)運(yùn)用基于灰度的SSD和基于的全變換方法的匹配視圖精度都低于本文中所提出的算法，而用時上基本相同。可見本文算法在上述兩種算法的基礎(chǔ)上得到了提高。

5 結(jié)語

本文改進(jìn)了傳統(tǒng)的局部立體匹配算法，在代價計(jì)算方面引入了灰度和基于梯度的改進(jìn)census變換，并計(jì)算聯(lián)合匹配代價確定初始匹配視圖，最后利用交叉匹配方法進(jìn)一步精煉初始視差圖，大大提高了重復(fù)紋理區(qū)域的匹配精度，且具有較好的穩(wěn)健性。

參考文獻(xiàn)

[1]Hou Jian，E Xu，Xia Qi，et al.A navigation algorithm for mobile robot based on stereo vision[J].Computer Technology and Development.2014，24（3）：106-109.

[2]A.Hosni，M.Bleyer，M.Gelautz， and C. Rheman，Local stereo matching using geodesic support weights[J].Proc. ICIP， 2009， pp.2093-2096.

[3]X.Sun，X.Mei，S.H.Jiao，M.C.Zhou and H，T Wang， Stereo Matching with Reliable Disparity Propagation[J].International Conference on 3D Imaging， Modeling，Processing，Visualization and Transmission.2011.

[4]Yang Tao， Fu Wenxing， Wang Minggang. Binocular stereo depth map acquisition based on light field images. Journal of northwestern polytechnical Universtiy，2015：33（5）：727-731.

[5]H.Tao，H.S.Sawhney and R.Kumar.A global matching framework for stereo computation[C].//Proc. Int.Conf.on Computer Vision，2001.

[6]Wei L K，Bai Y，Lim K B. Parameter error analysis of single-lens prism-based stereovision system[J]. Journal of the Optical Society of America? A Optics Image Science & Vision，2015，32（3）：367-373.

[7]A. Fusiello and L.Israra. Quasi epipolar unclaibrated rectification.[C].//IEEE Internat.Conf.on Image Process.（ICPR），2008.

[8]解則曉，陸文娟.基于圖像幾何特征的雙目匹配算法[J].中國激光，2014，41（5）：0508002.

[9]D.Comaniciu，and P.Meer，Mean Shift： A Robust Approach Toward Feature Space Analysis，IEEE Transactions on Pattern Analysis and Machine Intelligence，24（5）：603-619，2002.

[10]王軍政，朱華建，李靜.一種基于Census變換的可變權(quán)值立體匹配算法[J].北京理工大學(xué)學(xué)報，2013，33（7）：704-710.

Research on a New Local Stereo Matching Algorithms

XU Yuan， LI Xin-meng，BAI Ya-ding

（Northeast Electric Power University School of Automation Engineering， Jilin Jilin 132012）

Abstract：In this paper， a new local stereo matching algorithm is constructed to obtain an improved initial disparity map， which provides a reliable premise for further improving the accuracy of stereo restoration. In order to obtain accurate initial disparity map， this paper proposes two main rules based on local stereo matching algorithms， namely， 1） calculating matching cost using brightness distribution of target pixel within its neighborhood; 2） calculating matching cost using gradient-based Census transform; using which to determine the initial disparity map， and finally using cross-matching to refine the initial matching view.

Key words：stereo matching; local matching algorithm; Census transform; cross checking