一種基于區(qū)域生長的遮擋檢測和視差校正的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于區(qū)域生長的遮擋檢測和視差校 正的方法。
【背景技術(shù)】
[0002] 遮擋現(xiàn)象一直是雙目立體匹配的研究熱點。由于景物深度不同，距離攝像機較遠(yuǎn) 的景物被距離攝像機較近的景物遮擋，從而不能投影至攝像機成像面上形成圖像。即某一 視點下可見的場景區(qū)域在另一個視點下可能成為遮擋區(qū)域，如附圖2所示。遮擋現(xiàn)象對整 體視差圖造成較大誤匹配。現(xiàn)有一些方法能簡單有效的檢測遮擋區(qū)域，列如視差直方圖峰 值比例法（BMD)，匹配點對的順序性約束法（0RD)，遮擋約束法（0CC)。這些方法只能定性檢 測部分遮擋區(qū)域，無法精確獲得遮擋區(qū)域，同時，此類方法都沒有考慮到受遮擋點影響的區(qū) 域，最后獲得的視差圖有較大誤差，匹配正確率低，所以本文創(chuàng)新性的提出一種基于初始視 差圖像邊緣的存疑區(qū)域生長法確定受到遮擋現(xiàn)象影響的區(qū)域，稱為存疑區(qū)域。
[0003] 存疑區(qū)域處理可有效減少此區(qū)域的誤匹配。參考文獻（QYang,LWang,R Yang,etal.Stereomatchingwithcolor-weightedcorrelation,hierarchicalbelief propagationandocclusionhandling[C] ,2008)利用圖像分割塊之間的幾何約束和分割 塊內(nèi)的像素點的視差概率，估計不可信的像素點的最優(yōu)視差值。此類方法有效估計受遮擋 影響的像素點的視差近似值，但是依賴于算法分割結(jié)果，所以部分受遮擋點影響像素點的 視差估計沒有較好實現(xiàn)，將錯誤的視差值填充進去，導(dǎo)致加大了匹配錯誤。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提出一種基于區(qū)域生長的遮擋檢測和視差校正的方法，能夠明顯減少遮擋 對遮擋區(qū)域和受遮擋影響區(qū)域的誤匹配率。
[0005] 為了解決上述技術(shù)問題，本發(fā)明提供一種基于區(qū)域生長的遮擋檢測和視差校正的 方法，包括以下步驟：
[0006] 步驟一：讀取待匹配雙目圖像L和^設(shè)左視圖L為待匹配圖像，右視圖乙為匹 配圖像，獲取圖像的大小和顏色通道信息；
[0007] 步驟二：使用樹結(jié)構(gòu)的動態(tài)規(guī)劃算法，獲取匹配圖像L中每個匹配點在待匹配圖 像Ii中對應(yīng)的待匹配點，計算每個匹配點和待匹配點的位移差值即視差值，然后將視差值 存儲在初始視差矩陣中，獲得初始視差圖；
[0008] 步驟三：根據(jù)步驟二的初始視差矩陣檢測出基于初始視差圖的存疑區(qū)域，所述存 疑區(qū)域為遮擋區(qū)域和受遮擋影響的區(qū)域的集合；
[0009]步驟四：通過顏色通道向量化方法，計算存疑區(qū)域中存疑點和校正窗口T中每個 非存疑點的相似度，選取與存疑點最相似的非存疑像素點，將非存疑像素點視差值作為存 疑點的視差值，從而完成視差矩陣的視差校正；
[0010] 步驟五：將步驟四中校正完成的視差矩陣再次檢測存疑區(qū)域和視差校正，然后返 回步驟三，重復(fù)步驟三至步驟五的計算直到視差矩陣中視差點視差值不在發(fā)生變化，結(jié)束 校正，得到最終校正完成的視差矩陣，將最終視差矩陣中的視差值映射到相應(yīng)的灰度空間 [0,255]，生成最終視差圖。
[0011] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點在于：（1)通過樹結(jié)構(gòu)動態(tài)規(guī)劃算法得到初 始視差圖，對初始視差圖提取邊界時，減少背景中的誤匹配也被提取成邊界，有效減少復(fù)雜 背景的干擾；（2)通過初始視差圖像邊緣的存疑區(qū)域生長法檢測遮擋區(qū)域和受遮擋影響區(qū) 域，不僅考慮遮擋區(qū)域，同時考慮到受遮擋影響區(qū)域的誤匹配，對遮擋區(qū)域和受遮擋影響區(qū) 域都進行視差校正，有效提高算法的匹配正確率；（3)利用顏色通道向量化方法對遮擋區(qū) 域和受遮擋影響區(qū)域的像素點視差值進行重新填充，減少像素點間的顏色數(shù)值差異小，實 質(zhì)表示不同顏色的情況下的誤匹配，比單一比較顏色差值更有效的判斷像素間的顏色相似 性；(4)本發(fā)明方法整體不需要依賴于圖像分割，算法較為簡單，有效降低算法復(fù)雜程度， 計算效率遠(yuǎn)高于上述基于全局和圖像分割的算法，同時有效規(guī)避遮擋引起的視差模糊，有 效處理因遮擋對視差圖造成的影響而造成的信息丟失，提高視差圖的正確匹配率。
【附圖說明】
[0012] 圖1是本發(fā)明方法流程圖。
[0013] 圖2是雙目立體匹配的遮擋原理圖。
[0014] 圖3是本發(fā)明仿真實驗采用的Middlebury測試平臺提供的Teddy標(biāo)準(zhǔn)測試圖像， 圖3 (a)為Teddy標(biāo)準(zhǔn)測試左視圖，圖3 (b)為Teddy標(biāo)準(zhǔn)測試右視圖。
[0015] 圖4是使用本發(fā)明方法處理圖3所示雙目圖像獲得的初始視差圖和最終視差圖， 其中圖4(a)是初始視差圖，圖4(b)是最終視差圖。
【具體實施方式】
[0016] 本發(fā)明提出一種基于區(qū)域生長的遮擋檢測和視差校正的方法，通過顏色通道向量 化方法，計算存疑點和非存疑點的相似度，選取與存疑點最相似的像素，將其視差值作為存 疑點的視差值，從而完成視差校正。如圖1所示，具體包括以下步驟：
[0017] 步驟一：讀取待匹配雙目圖像h和設(shè)左視圖h為待匹配圖像，右視圖乙為匹 配圖像，獲取圖像的大小和顏色通道信息；
[0018] 步驟二：使用樹結(jié)構(gòu)的動態(tài)規(guī)劃算法，獲取匹配圖像L中每個匹配點在待匹 配圖像Ii中對應(yīng)的待匹配點，計算每個匹配點和待匹配點的位移差值即視差值，然后將 視差值存儲在初始視差矩陣中，獲得初始視差圖。樹結(jié)構(gòu)的動態(tài)規(guī)劃算法具體參見文 獻(M.BleyerandM.Gelautz,SimplebutEffectiveTreeStructuresforDynamic Programming-BasedStereoMatching[C],2008)
[0019] 步驟三：根據(jù)步驟二的初始視差矩陣檢測出基于初始視差圖的存疑區(qū)域，所述存 疑區(qū)域為遮擋區(qū)域和受遮擋影響的區(qū)域的集合。本發(fā)明定義初始生長點的外部，即"生長的 向外方向"是由較大視差值區(qū)域指向較小視差值區(qū)域，為受遮擋影響區(qū)域；初始生長點的內(nèi) 部，即"生長的向內(nèi)方向"是由較小視差值區(qū)域指向較大視差值區(qū)域，為遮擋區(qū)域。檢測基 于初始視差圖的存疑區(qū)域的過程為：
[0020] 3. 1.利用canny算子對初始視差圖提取邊緣，獲得基于初始視差矩陣的邊界集， 將邊界集的邊界點作為檢測存疑區(qū)域的初始生長點。
[0021 ] 3. 2計算生長點的左像素點在初始視差矩陣中視差值山與生長點的右像素