一种基于二维经验模式分解的自适应立体视差估计方法
【专利说明】-种基于二维经验模式分解的自适应立体视差估计方法 【技术领域】
[0001] 本发明属于视觉测量技术领域，设及一种基于二维经验模式分解度EMD)估计算 法，具体是一种基于二维经验模式分解的自适应立体视差估计方法。 【【背景技术】】
[0002] 视差估计是立体视觉=维深度信息恢复的重点和难点。目前的视差估计算法主要 分为两大类，基于图像灰度信息的视差估计W及基于图像结构信息的视差估计。
[0003] 基于图像灰度信息的视差估计算法仅仅依赖图像亮度信息，受光照变化、遮挡等 影响比较大；图像结构主要是指局部相位、局部幅值等信息，由于相位变化是独立于图像空 间的可量化的连续变量，基于相位的视差估计方法可W很容易达到亚像素级精度。图像结 构随着外界光照等变化一般比较稳定，意味着局部相位基本不变，保证了视差估计的鲁棒 性。
[0004] 基于相位的视差估计算法需要采用合适的小波基提取图像局部相位和幅值信息 作为视差估计基元。如TD.Sanger提出的基于G油or滤波的视差估计（Stereodisparity computationusingG油orfilters)，XHuang等提出的基于连续小波变换（Continuous wavelettransformation，CWT)的视差估计(Densedisparityestimationbasedon thecontinuouswavelettransform[stereoimageanalysis])，SKumar等基于双树四 元树小波值ualtreequaternionwavelettransform,DTQWT)的视差估计值ualtree fractionalquaternionwavelettransformfordisparityestimation)和基于双树复 小波值U曰！treecomplexwavelettr曰nsform,DTCWT)等。
[0005] 基于相位的视差估计目前面临的主要难点是如何根据图像结构特征选择合适的 小波基进行局部相位提取和分析，不同的小波选择对结果影响较大。二维经验模式分解 度EMD)是一种全自动数据驱动的信号处理方法，具有局部自适应性，不需要预先定义的滤 波器或小波函数，在处理非平稳信号和非线性信号中具有明显的优势。 【
【发明内容】
】
[0006] 本发明的目的在于解决上述问题，提供一种基于二维经验模式分解的自适应立体 视差估计方法，该方法既可W发挥相位视差估计的高精度和鲁棒性，也可W规避小波基选 择难题，同时本发明首次将BEMD应用于视差估计领域。
[0007] 为达到上述目的，本发明所采用的技术方案包括W下步骤：
[0008] 步骤1 :将左图像L(x，y)和右图像R(x，y)分别基于邸MD自适应筛分成一系列基 本模式分量W及残余分量；
[0009] 步骤2 :利用泊松kernel核的差对左图像和右图像的IMFW及残余分量进行带通 滤波，并通过复数化esz变换获得对应的二维解析信号；
[0010] 步骤3 :提取二维解析信号的局部相位O、局部幅值A^及瞬时频率^^^ ;
[0011] 步骤4 :在每个IMF尺度根据提取的局部相位和瞬时频率信息进行初始视差估 计：
[0012] rf, (a-,y) ^2[0； (a-, >?) -O；Ca-,v)]/ [57； (.v,y) +uj'](,v,r)]；
[0013] 步骤5:最终视差图取每个尺度得到的视差的加权平均值；加权系数涵盖了幅值 匹配指标、不同尺度估计视差吻合度指标W及光滑性假设指标。
[0014] 本发明进一步的改进在于：
[0015] 步骤1中，基本模式分量为：
[0016] = //WF;.(x,y) + Rc.s7V/"(J;(x.y) (/ '二Z.、R) (I)
[0017] 步骤2中，利用泊松kernel核的差对左右图像的IMF进行带通滤波，并通过复数 Riesz变换获得对应的二维解析信号；尺度为S的泊松kernel核在空域的表达式为
[0018]
聞
[0019] 其对应的复数Riesz变换在空域的表达式如下，公式（3)和公式（4)分别表示其 实部和虚部：
[0020] 口）
[0021] 贿
[002引左右图像的IMFW及残余分量进行复数Riesz变换：
[002引fiii=f*reaURJ妨
[0024] fR2二^imag巧K) (6)
[002引其中*代表卷积运算，f代表原始信号，在运里包括左右图像的IMF分量化及筛分 残余分量；If,f?i，fuJ构成二维单演信号空间。
[0026] 步骤3和4中，提取二维解析信号的局部相位O、局部幅值AW及瞬时频率巧的 具体方法如下：
[0027] 巧
[0028] (8)
[0029] 巧
[0030] 在每个IMF尺度W及残余分量根据局部相位和瞬时频率估计初始视差图：
[0031]
(酥
[0032]所述步骤5中，最终视差图取每个尺度得到的视差的加权平均值，加权系数涵盖 了幅值匹配指标、不同尺度估计视差吻合度指标W及光滑性假设指标，最终视差的获取过 程如下：
[003引（a)在第一尺度计算每点视差的幅值匹配加权系数丫1，丫iE(0, 1)，丫1越大，说 明幅值信息匹配的越好，估计的视差越可靠：
[0034]
(Il)
[0035] 化）在不同尺度估计某一图像位置的视差应该是相同的，吻合度越高，说明视差 估计的越准确；将在第一尺度计算得到的加权视差与下一尺度进行比较，得到吻合度系数 T2：
[003引 C12)
[0037] 丫 2G(0, 1)，丫 2越大说明不同尺度估计的视差吻合度越好，视差精度越高；
[0038] (C)继续比较第一尺度与后续第=尺度、第四尺度等之间的视差吻合度，得到不同 尺度每点的可靠性系数；
[0039] (d)通过不同尺度的视差值加权平均得到可靠的视差图：
[0040]
(巧)。
[0041] 所述步骤5中，最终视差的获取过程还包括W下步骤：
[0042] (e)视差图后处理：
[0043] 假设邻近点应当具有相近的视差，每个点的最终视差是其本身及邻域视差值的加 权平均值，加权系数是由每个点的可靠性系数决定的。
[0044]与现有技术相比，本发明具有W下有益效果：
[0045] 本发明采用图像的相位信息进行视差估计，图像结构随着外界光照等变化一般比 较稳定，保证了匹配的精确性和鲁棒性。本发明基于EMD自适应地将图像分解为不同频带 的单分量信息，提取有效的相位信息，规避了目前基于小波变换提取相位中小波基的选择 难题。本发明既可W发挥相位视差估计的高精度和鲁棒性，也可W规避小波基选择难题，同 时本发明首次将BEMD应用于视差估计领域。 【【附图说明】】
[0046] 图1为本发明的实施路线图；
[0047]图2为本发明实施例使用的图像；其中，a为左图像，b为右图像；
[004引图3为本发明实施例中的EMD分解效果图；其中，a-d分别为左图像EMD分解的前S个IMF分量W及分解残余量，e-h分别为右图像为EMD分解的前S个IMF分量W及分解 残余量；
[0049]图4为第一个IMF带通滤波的结果W及化esz变换结果图；其中，a-c分别表示左 图像第一个IMF的带通滤波结果及Riesz变换的实部和虚部分量，d-f分别表示右图像第 一个IMF的带通滤波结果及Riesz变换的实部和虚部分量；
[0050] 图5为基于灰度信息和基于EMD相位信息的视差估计结果图。 【【具体实施方式】】
[0051] 下面结合附图对本发明做进一步详细描述：
[0052] 参见图1，本发明包括W下步骤：
[0