。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用W解釋本發(fā)明，并不 用于限定本發(fā)明。
[0040] 本發(fā)明實施例基于自適應(yīng)支持權(quán)重匹配算法的兩步視差改良方法，其包含W下Ξ 個步驟：
[0041] (1)、對左右原圖進行自適應(yīng)支持權(quán)重匹配算法求取原始視差圖；
[0042] (2)、對求取的原始視差圖進行左右一致性檢測，對檢測到的不一致像素點的視差 值采用變交叉域投票法和固定窗口投票法進行初始修正；
[0043] (3)、將修正后的視差圖中存在的誤匹配區(qū)域分為非正常區(qū)域和錯誤邊緣區(qū)域，并 分別進行二次修正；
[0044] 其中非正常區(qū)域定義為:視差圖中的存在某一區(qū)域P，對原始圖像中相同的區(qū)域P 內(nèi)的每一個像素點qi求其變交叉域馬，，原始圖像中區(qū)域P內(nèi)所有像素點的變交叉域組成區(qū) 域記為M，在視差圖中有相同的區(qū)域M，如果區(qū)域[mP中存在像素點的視差值不等于區(qū)域P內(nèi) 像素點的視差值并且服W
(其中d(p)表示像素點P的視差值），則該區(qū) 域P定義為非正常區(qū)域;對該非正常區(qū)域的視差值采用與步驟(2)相同的方法進行修正；
[0045] 錯誤邊緣區(qū)域定義為:視差圖中物體的邊緣像素與原圖物體邊緣像素之間的誤匹 配區(qū)域;錯誤邊緣區(qū)域內(nèi)的像素點的視差值通過視差繼承算法來修正。
[0046] 本發(fā)明的一個較佳實施例中：
[0047] 上述步驟（1)可依據(jù)自適應(yīng)支持權(quán)重匹配算法計算原始視差圖，其具體參數(shù)設(shè)置 如下：
[004 引（1-1) Wmiddlebu;ry測試集 tsukuba, Venus, teddy, cones為對象，對左右兩幅原圖 進行自適應(yīng)支持權(quán)重立體匹配，在截斷絕對差值T = 40W及窗口大小N=35的條件下，丫 C和 丫 P的參數(shù)分別選取為9和26,得到平均錯誤率最小的原始視差匹配圖，值為7.71%。
[0049] 上述步驟(2)對步驟(1)得到的原始視差圖進行初始視差改良，其具體步驟如下：
[0050] (2-1)對步驟（1)求得的原始視差圖進行左右一致性檢測，對檢測到的"錯誤"（即 不一致)像素點的視差值采用變交叉域投票法和固定窗口投票法進行修正；
[0化1 ] 具體如下：
[0052] 變交叉域投票法:首先，求像素點P的變交叉域。從像素點P的上、下兩個方向分別 求其邊界像素點qi，q2DW求P點的下邊界像素點qi為例，從像素點P開始，沿著向下的方向?qū)?找點qi，直到qi違反W下任一條件則終止捜索，并且像素點qi即為像素點P的下邊界像素點：
[0053] (I)Dc(p，q)<Ti，并且 Dc(p，q-(0，l))<Ti; (1)
[0054] (n)Ds(p，q)<b; (2)
[0化5](虹）當(dāng)L2<Ds(p，q)<b時，Dc(p，q)<T2。 （3)
[0056] 其中，Li，L康示空間距離闊值，τι，τ康示顏色距離闊值，并且
[0057] Dc(p,q)=maxn=R,G,B| In(p)-In(q) (4)
[0化引 Ds(p,q)= |p-q| (5)
[0059] 按照W上方法，分別求出像素點p的上下兩個方向的邊界像素點。對于上下邊界像 素點組成區(qū)域內(nèi)的每一個像素點，按照相同方法求其左右邊界像素點。像素點P的上、下邊 界點組成的區(qū)域和區(qū)域內(nèi)每一個像素點的左、右邊界像素點組成的交叉域即為像素點P的 變交叉域，圖3虛線部分即為像素點P的交叉域。
[0060] 對左右一致性檢測檢測到的每一個"錯誤"像素點，求其變交叉域，通過變交叉域 投票法對"錯誤"像素點的視差值進行修正。首先，對每一個錯誤像素點變交叉域內(nèi)的可靠 像素點(非"錯誤"像素點）建立視差分布直方圖Hp，變交叉域中視差值分布最多的個數(shù)記為 Sf，該視差值記為df，可靠像素點總個數(shù)記為Sp，當(dāng)滿足W下條件時，該"錯誤"像素點的視差 值修正為df:
[0061 ]
(6)
[0062] 其中Ts和Τη為闊值常數(shù)。
[0063] 重復(fù)執(zhí)行變交叉域投票法五次，W保證盡可能多的"錯誤"像素點的視差值被修 正。
[0064] 執(zhí)行完W上步驟之后，大部分的左右一致性檢測檢測到的"錯誤"像素點的視差得 到修正，由于不滿足公式(6)的修正條件，仍然會存在少數(shù)的"錯誤"像素點的視差值無法被 修正，因此，剩下的"錯誤"像素點的視差采用固定窗口投票法進行修正。
[00化]具體如下：
[0066] 固定窗口投票法:在剩下的"錯誤"像素點中，W每一個"錯誤"像素點為中屯、，設(shè)計 固定長度化quare的方形窗口，建立W窗口內(nèi)可靠像素點視差值為基礎(chǔ)的視差分布直方圖出， 其中，視差值出現(xiàn)次數(shù)最多的視差ds，則該"錯誤"像素點視差值即為ds，如圖4所示。對 middlebuiT測試集tsukuba, venus , teddy, cones進行測試，測試結(jié)果表明，當(dāng)化quare值為7 時，固定窗口投票法處理的平均錯誤率最小。
[0067] 執(zhí)行完W上步驟W后，對得到的初始視差圖進行中值濾波。
[0068] 上述步驟(3)對步驟(2)得到的初始視差圖進行初始視差改良，其具體步驟如下：
[0069] (3-1)對步驟(2)求得的初始視差圖，主要得誤匹配點集中在弱紋理W及物體邊緣 區(qū)域。第二步視差改良主要集中修正初始視差圖中的弱紋理W及物體邊緣區(qū)域的誤匹配 點。
[0070] 具體如下：
[0071] 視差圖中的存在某一區(qū)域P，對原始圖像中相同的區(qū)域P內(nèi)的每一個像素點qi求其 變交叉域武，，原始圖像中區(qū)域P內(nèi)所有像素點的變交叉域組成區(qū)域記為M，在視差圖中有相 同的區(qū)域M，如果區(qū)域[mP中存在像素點的視差值不等于區(qū)域P內(nèi)像素點的視差值并且服從
(其中d(p)表示像素點P的視差值），則該區(qū)域P定義為非正常區(qū)域。非 正常區(qū)域像素點的視差采用步驟(2)中的變交叉域投票法和固定窗口投票法進行修正。
[0072] 錯誤邊緣區(qū)域定義為視差圖中物體的邊緣像素與原圖物體邊緣像素之間的誤匹 配區(qū)域。錯誤邊緣區(qū)域通過W下方式提取:采用Canny邊緣檢測算法提取視差圖和原圖的邊 緣像素點，對于視差圖上的每一個邊緣像素點P，如果其在原圖中不是邊緣像素點，則將該 像素點記為不匹配邊界點。W不匹配邊界點P為中屯、建立固定長度方形窗口，當(dāng)窗口內(nèi)任一 與像素點P具有相同視差值的像素點滿足W下任一條件時，則將不匹配邊界點pW及窗口內(nèi) 所有與點P具有相同視差值的像素點記為錯誤邊界點：
[0073] (I)|lR(p)-lR(q)| > (7)
[0074] (n)|lG(p)-lG(q)| >ε3； (8)
[0075] (虹）|lB(p)-lB(q)| >Es (9)
[0076] (IV)sUmn=R,G,B I In(p)-In(q) I > ￡a (10)
[0077] 其中，Ir，Ig，Ib分別代表像素點在RGB空間的R、G、B分量值，Es和Ea分別表示單分量 闊值常數(shù)和全分量闊值常數(shù)。
[0078] 所有的錯誤邊界點的集合記為錯誤邊緣區(qū)域。錯誤邊緣區(qū)域內(nèi)像素點視差值通過 視差繼承算法來修正，通過該計算方法檢測到的錯誤邊緣區(qū)域如圖5黑色區(qū)域所示。
[00巧]具體如下：
[0080]記錯誤邊緣區(qū)域為R，計算錯誤邊緣區(qū)域內(nèi)的每個像素點P的變交叉域Q，變交叉域 Q內(nèi)每一個像素點q對其中屯、像素點P的支持權(quán)重服從公式(11):
[0085] 式中，L，a，b表示像素點在CIE空間的Ξ個分量值，x，y表示像素點在圖像坐標(biāo)的坐 標(biāo)值。
[0086] 像素點P的視差值被修正為df (P):
[0089] 對錯誤邊緣區(qū)域內(nèi)所有像素點的視差值通過W上方法進行修正，最后對求得的視 差圖進行中值濾波，結(jié)果即為最終視差圖，如圖6,該圖表示本方法計算的視差圖和其他算 法計算的視差圖的效果對比圖。
[0090] 下面WmiddlebuiT測試平臺的測試集：tsukuba, Venus, teddy, cones進行測試，實 驗平臺為Matlab2014b，實驗結(jié)果的評估標(biāo)準(zhǔn)為誤匹配像素的百分比。
[0091] 表1誤匹配率對比
[0092]
[0093] 本發(fā)明實施例基于自適應(yīng)支持權(quán)重匹配算法的兩步視差改良系統(tǒng)，用于實現(xiàn)上述 方法，具體包括