雙目立體匹配的四個(gè)步驟解析

雙目立體匹配可劃分為四個(gè)步驟：匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化。

Step1 匹配代價(jià)計(jì)算

匹配代價(jià)計(jì)算的目的是衡量待匹配像素與候選像素之間的相關(guān)性。兩個(gè)像素?zé)o論是否為同名點(diǎn)，都可以通過(guò)匹配代價(jià)函數(shù)計(jì)算匹配代價(jià)，代價(jià)越小則說(shuō)明相關(guān)性越大，是同名點(diǎn)的概率也越大。

每個(gè)像素在搜索同名點(diǎn)之前，往往會(huì)指定一個(gè)視差搜索范圍D（Dmin ~ Dmax），視差搜索時(shí)將范圍限定在D內(nèi)，用一個(gè)大小為W×H×D（W為影像寬度，H為影像高度）的三維矩陣C來(lái)存儲(chǔ)每個(gè)像素在視差范圍內(nèi)每個(gè)視差下的匹配代價(jià)值。矩陣C通常稱為DSI（Disparity Space Image）。

匹配代價(jià)計(jì)算的方法有很多，傳統(tǒng)的攝影測(cè)量中，使用灰度絕對(duì)值差（AD，Absolute Differences）、灰度絕對(duì)值差之和（SAD，Sum of Absolute Differences）、歸一化相關(guān)系數(shù)（NCC，Normalized Cross-correlation）等方法來(lái)計(jì)算兩個(gè)像素的匹配代價(jià)；計(jì)算機(jī)視覺(jué)中，多使用互信息（MI，Mutual Information）法、Census變換（CT，Census Transform）法、Rank變換（RT， Rank Transform）法、BT（Birchfield and Tomasi）法等作為匹配代價(jià)的計(jì)算方法。不同的代價(jià)計(jì)算算法都有各自的特點(diǎn)，對(duì)各類數(shù)據(jù)的表現(xiàn)也不盡相同，選擇合適的匹配代價(jià)計(jì)算函數(shù)是立體匹配中不可忽視的關(guān)鍵步驟。

下圖為DSI示意圖（C（x，y，d）代表像素（x，y）在視差為d時(shí)的匹配代價(jià)）：

Step2 代價(jià)聚合

代價(jià)聚合的根本目的是讓代價(jià)值能夠準(zhǔn)確的反映像素之間的相關(guān)性。上一步匹配代價(jià)的計(jì)算往往只會(huì)考慮局部信息，通過(guò)兩個(gè)像素鄰域內(nèi)一定大小的窗口內(nèi)的像素信息來(lái)計(jì)算代價(jià)值，這很容易受到影像噪聲的影響，而且當(dāng)影像處于弱紋理或重復(fù)紋理區(qū)域，這個(gè)代價(jià)值極有可能無(wú)法準(zhǔn)確的反映像素之間的相關(guān)性，直接表現(xiàn)就是真實(shí)同名點(diǎn)的代價(jià)值非最小。

而代價(jià)聚合則是建立鄰接像素之間的聯(lián)系，以一定的準(zhǔn)則，如相鄰像素應(yīng)該具有連續(xù)的視差值，來(lái)對(duì)代價(jià)矩陣進(jìn)行優(yōu)化，這種優(yōu)化往往是全局的，每個(gè)像素在某個(gè)視差下的新代價(jià)值都會(huì)根據(jù)其相鄰像素在同一視差值或者附近視差值下的代價(jià)值來(lái)重新計(jì)算，得到新的DSI，用矩陣S來(lái)表示。

實(shí)際上代價(jià)聚合類似于一種視差傳播步驟，信噪比高的區(qū)域匹配效果好，初始代價(jià)能夠很好的反映相關(guān)性，可以更準(zhǔn)確的得到最優(yōu)視差值，通過(guò)代價(jià)聚合傳播至信噪比低、匹配效果不好的區(qū)域，最終使所有影像的代價(jià)值都能夠準(zhǔn)確反映真實(shí)相關(guān)性。常用的代價(jià)聚合方法有掃描線法、動(dòng)態(tài)規(guī)劃法、SGM算法中的路徑聚合法等。

下圖為代價(jià)聚合前后視差圖示意圖：

Step3 視差計(jì)算

視差計(jì)算即通過(guò)代價(jià)聚合之后的代價(jià)矩陣S來(lái)確定每個(gè)像素的最優(yōu)視差值，通常使用贏家通吃算法（WTA，Winner-Takes-All）來(lái)計(jì)算，如下圖所示，即某個(gè)像素的所有視差下的代價(jià)值中，選擇最小代價(jià)值所對(duì)應(yīng)的視差作為最優(yōu)視差。這一步非常簡(jiǎn)單，這意味著聚合代價(jià)矩陣S的值必須能夠準(zhǔn)確的反映像素之間的相關(guān)性，也表明上一步代價(jià)聚合步驟是立體匹配中極為關(guān)鍵的步驟，直接決定了算法的準(zhǔn)確性。

Step4 視差優(yōu)化

視差優(yōu)化的目的是對(duì)上一步得到的視差圖進(jìn)行進(jìn)一步優(yōu)化，改善視差圖的質(zhì)量，包括剔除錯(cuò)誤視差、適當(dāng)平滑以及子像素精度優(yōu)化等步驟，一般采用左右一致性檢查（Left-Right Check）算法剔除因?yàn)檎趽鹾驮肼暥鴮?dǎo)致的錯(cuò)誤視差；采用剔除小連通區(qū)域算法來(lái)剔除孤立異常點(diǎn)；采用中值濾波（Median Filter）、雙邊濾波（Bilateral Filter）等平滑算法對(duì)視差圖進(jìn)行平滑；另外還有一些有效提高視差圖質(zhì)量的方法如魯棒平面擬合（Robust Plane Fitting）、亮度一致性約束（Intensity Consistent）、局部一致性約束（Locally Consistent）等也常被使用。

由于WTA算法所得到的視差值是整像素精度，為了獲得更高的子像素精度，需要對(duì)視差值進(jìn)行進(jìn)一步的子像素細(xì)化，常用的子像素細(xì)化方法是一元二次曲線擬合法，通過(guò)最優(yōu)視差下的代價(jià)值以及左右兩個(gè)視差下的代價(jià)值擬合一條一元二次曲線，取二次曲線的極小值點(diǎn)所代表的視差值為子像素視差值。如下圖所示。

局部匹配算法的步驟一般包括匹配代價(jià)計(jì)算、代價(jià)聚合和視差計(jì)算三個(gè)步驟，全局算法則包括匹配代價(jià)計(jì)算，視差計(jì)算與視差優(yōu)化三個(gè)步驟，半全局算法SGM則四個(gè)步驟都有。