毛昕蓉，王 楠 （西安科技大学 通讯学院，陕西 西安 710054）
摘 要：因为ADCensus算法只依赖于图画的灰度信息，关于弱纹路区域和重复纹路区域的匹配作用欠好，本 文提出一种依赖于图画像素梯度和灰度匹配价值核算办法，以图画像素梯度信息作为图画灰度信息的弥补，提 高了匹配精确率，加入了自适应匹配模板后，误匹配率降低到19.85%以下。
关键词：ADCensus算法；匹配价值；自适应模板
0 导言
跟着机器视觉的开展，双目视觉在无人驾驶、工业 丈量、3D建模以等方面都需求三维空间信息来协助计 算机或机器人完结作业[1]。立体匹配是双目视觉中的重 要做成部分，经过立体匹配找出同一视点在左右两幅图 像的坐标方位，然后核算得到视差图，得到图画的深 度信息[2]。匹配的正确性直接关系到深度图核算的精确 性，所以，怎么优化及聚合匹配价值使匹配算法有更高 的匹配率，是匹配算法优化的首要方针[3]。本文保存了 ADCensus中匹配价值的聚合办法，在AD算法匹配价值 的部分中加入了图画像素梯度信息作为灰度信息的补 充，提出了结合图画像素梯度、灰度的ADCensus匹配 算法。
1 基本原理
1.1 Census改换
Census改换是一种非参数化改换，首要用来表征图 像的部分结构特征[4]。其基本原理是以1个矩形窗口遍历
图画，把窗口中心像素与其他像素灰度值的巨细逐一比 较，中心像素大的记为0，不然记为1，得到一串中心像 素的特征值，并用汉明间隔来表明匹配价值。Census变 换为
式(1)中，p为邻域内像素，q为中心像素，Ω为匹配 模板。
1.2 AD改换
使用下面的公式将五颜六色图画变为灰度图画：
式(2)中，I为像素灰度值，R、G、B别离为像素的 色彩重量。
AD改换使用匹配点及其邻域像素的灰度值与待匹 配区域对应点的灰度差[5-6]，相关于census改换依赖于中 心点，它能够有用地保存图画邻域像素的信息，AD变 换详细如公式(3)所示。
在式（3）中，C AD(x,y,d)是像素（x，y）处的匹 配价值，Ω为邻域像素，Il(r,c)左图中(r,c) 点的灰度 值，I r(r,c+d)是右图中待匹配点的灰度值，d为视差搜 索规模。
2 本文改善的adcensus算法
2.1 图画像素梯度的引进
本文提出了一种引进图画像素梯度的AD匹配价值 核算办法，使得匹配价值不只依赖于灰度信息，并且有 图画像素的梯度信息作为弥补，图画像素梯度信息匹配 价值函数如式所示
式(4)中，C AD1(x,y,d)是像素(x,y)处匹配价值，Il1(r,c)和Ir(r,c+d')别离为左图中点(r,c)和(r,c+d')的灰度值，Il(r,c)和(r,c+d')别离为右图中点(r,c)和(r,c+d')本文中d' 的取值为2。终究，AD部分 的匹配价值如式(5)所示
式(5)中，C'AD 为改善后AD部分的匹配价值，θ 为权重因子，本文中θ 取值为0.5。
2.2 改善后ADCensus的匹配价值
因为ad算法的匹配价值和census改换的匹配价值的 点评规范不同，生成的初始匹配价值需经过如式(6）的 归一化处理后再求和作为全体的匹配价值[7-8]，匹配代 价公式如式（7）。
2.3 自适应匹配模板的挑选
Sobel算子是像素图画边际检测中最重要的算子之 一，它是一阶导数边际检测算子，是一种很有用的梯度 核算办法，经过 3×3 的模板与图画中的每个像素做卷积和运算[9]。各向同性sobel算子的方位加权系数更为准 确，在检测不同方向的边际时梯度的幅共同。
Sobel 算子别离核算水平缓竖直梯度，式(8-1)为 水平梯度算子，式(8-2)为竖直梯度算子。以像素点为 中心构建3×3巨细的窗口，与Sobel算子做卷积得到水 平、竖直方向的梯度，核算公式如(9-1)、(9-2)所示：
式(9-1)、(9-2)中，Gx ，Gy 别离为水平方向和竖直方向梯度，则有梯度核算公式如下：
式(10)中，G(x，y)为点(x，y)处的梯度值。当某个 点的G<40时，挑选9×9的匹配模板，当40<G<80时， 挑选7×7模板，当G>80时，挑选5×5模板。
3 试验成果
本次试验中，试验环境为Visual studio 2017下C/ C++编程环境，OpenCV4.01，Windows 10，X64位 体系，Intel Corei3处理器，内存为4 GB，测验图片为 Teddy，Tsukuba，Cones和Venus这4幅图片，SAD和 census算法匹配模板均挑选5×5。试验成果如图1~5 所示。
4 定论
为了客观点评本文算法，将SAD、census和本文算 法的匹配成果与规范视差图作比较，得到4幅图片在这3 种办法下的误匹配率，如表1所示。
由表1可看出，本文算法在四幅测验图片下，与 SAD算法和census算法比较，都有较高的匹配率，其间 Tsukuba和Vensus两幅图画的误匹配率别离降到10.82% 和11.33%，与误匹配率较高的SAD算法比较，别离提 升了2.33%和1.05%，Teddy和Cones两幅图画各种算法 的误匹配率较于其他两幅图画均较高，但能够看出，本 文提出的算法在这两幅图画下匹配率均有较高提高，误 匹配率最大不超越19.85%。
参考文献：
[1] 张一飞,李新福,田学东.交融边际特征的SAD立体匹配算法[J/ OL].核算机工程:1-10[2019-1007].http://kns.cnki.net/kcms/ detail/31.1289.TP.20190817.1225.002.html.
[2] 杨嘉维.根据Census改换的立体匹配算法研讨与FPGA完成 [D].西安:西安理工大学,2019.
[3] 王军政,朱华健,李静.一种根据Census改换的可变权值立体匹 配算法[J].北京理工大学学报,2013,33(7):704-710．
[4] 郭治成,党建武,王阳萍,等.根据改善Census改换的多特征布景 建模算法[J].光学学报,2019,39(08):216-224.
[5] 邬春明,郑宏阔.改善Census改换的铁路扣件定位办法[J].北京 交通大学学报,2019,43(02):58-63.
[6] 于修成,宋燕,李航.根据改善Census改换与最小生成树的立体 匹配算法[J].核算机与数字工程,2019,47(03):643-648.
[7] 吴荻,战凯,肖小凤.根据改善光流法和纹路权重的视觉里程计 [J].核算机工程与规划,2019,40(01):230-235.
[8] 张丽君.根据改善Census改换的部分立体匹 配算法研讨[D].哈尔滨:东北林业大学,2018.
[9] 向憧.根据Census的双目视觉研讨与FPGA 完成[D].成都:电子科技大学,2018.
