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，為進一步提高立體還原精度提供可靠的前提。為了獲取準確的初始立體匹配視圖，本文創立了基于兩個主要規則的局部立體匹配算法，即：1）利用目標像素鄰域的亮度分布計算匹配帶價;2） 利用基于梯度的Census變換法計算匹配代價;用上述兩種方法共同決定初始視差圖，最后運用交叉匹配的方式對初始匹配視圖進行精煉。

關鍵詞：立體匹配;局部匹配算法;Census變換法;交叉匹配

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

1 概述

立體匹配是現今計算機視覺研究領域重要的研究熱點之一，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來計算匹配像素之間的視差值，通過后續的二維視差轉化為三維的深度信息，從而得到三維場景模型[1]。立體匹配在機器人導航、虛擬現實、無人駕駛等領域得到了廣泛的應用。

立體匹配的難點主要在于運用快速并且有效的方法在左右視圖中找出相對應的立體匹配像素點。雖然在計算機視覺領域尤其是視差圖優化等方面，很多學者已經進行了大量的研究，但是現今仍然面臨著很多挑戰性的難題[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，但是復雜度高、實時性差。而局部算法復雜度低、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變換來計算聯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算各自的匹配代價，最后結合兩種方法確定視差圖。最后采用交叉匹配法，進行視差計算并且對錯誤匹配點進行視差精化從而得到最終的視差圖[8-9]。

2 匹配代價的計算

2.1 基于局部區域像素灰度差的匹配代價計算

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

（1）

其中是以點為中心的5*5的窗口。

2.2 基于改進Census變換法的匹配代價計算

傳統的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行比較，進行變換后計算hammming距離確定相似度。為提高算法的穩定性與精度，本文使用基于像素梯度的census變化算法，相比與傳統的census變化算法，本文將使用像素的一階梯度幅度進行比較，改進的census變換如下所示：

（2）

其中點為點的鄰域點中，表示利用改進Census變換后點的像素值，表示和表示分別表示運用Robert算子計算的點和點梯度值：

（3）

經變換后計算潛在匹配點之間的Hamming距離以確定兩個像素點之間的匹配代價為：

（4）

2.3 聯合匹配代價

接下來計算聯合匹配代價，計算公式如下所示：

（5）

代表聯合匹配代價，為權重參數。

3 視差計算與精化

為使初始視差圖的精度進一步提高，采用交叉匹配的方法。通過計算左右圖中一對匹配點的視差差異來確定該點是否為可靠匹配點，將可靠匹配點視差保留，并清除不可靠匹配點，可靠性判定方法如下：

（6）

其中是以左圖中的點作為參考點計算的最佳視差值， 為右圖點的最佳視差值，當上述兩個值滿足方程時，點被認為是可靠點，視差值保留，反之點被視為不可靠點，清除已有的視差值。

4 實驗結果與分析

本文引用網絡數據庫http：//vision.middlebury.edu/stereo中關于立體視覺的二維圖像組合，其中包含一些可變的因素：1）無信息區域，2）視察不連續的邊界，3）被遮擋的區域等。圖1顯示了通過我們的算法得到的立體還原結果。程序運行時間與算法的循環次數有關。本研究采用的是4GHz CPU的計算機進行測試，運行時間是4.59s。（參數選擇如下：）

從表1中我們可以看出，單獨運用基于灰度的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上得到了提高。

5 結語

本文改進了傳統的局部立體匹配算法，在代價計算方面引入了灰度和基于梯度的改進census變換，并計算聯合匹配代價確定初始匹配視圖，最后利用交叉匹配方法進一步精煉初始視差圖，大大提高了重復紋理區域的匹配精度，且具有較好的穩健性。

參考文獻

[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變換的可變權值立體匹配算法[J].北京理工大學學報，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