CN104778685A - 一种图像匹配方法及装置 - Google Patents

Abstract

本发明公开了一种图像匹配方法及装置，包括：针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；针对第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在该第二视差图像中，与非稳定状态像素点的相关系数最大对应的像素点，作为该非稳定状态像素点的匹配点，并将非稳定状态像素点加入稳定状态的像素点中。采用本发明实施例提供的方案，提高了图像匹配精度。

Description

一种图像匹配方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及一种图像匹配方法及装置。

背景技术

随着计算机视觉的发展，立体视觉尤其是双目立体视觉广泛应用于工业检测、物体识别、虚拟现实以及航空航天等领域。人类能够通过双眼感知立体世界，是因为三维空间中同一物体在左右眼中的成像位置存在水平方向上的差别即视差，双目立体图像分别向左右眼提供存在视差的两张视图使观看者产生立体感。视差不仅反映了场景的深度信息，而且提供了图像对中对应点的匹配情况。图像匹配是三维信息恢复的先决条件，是立体视觉研究的重点。

图像匹配方法中包括全局算法和局部算法，由于全局算法利用整幅图像的信息，构造具有数据项和平滑项的能量函数，其计算量大、复杂度较高。因此，对于实时性要求较高的场合，通常采用局部算法进行图像匹配，现有的局部算法进行图像匹配的主要方式为：在左图像中选取固定大小窗口的目标区，针对每一个目标区，在右图像中以相同大小的窗口按照预设偏移量进行滑动，计算该滑动窗口在右图像中每一次滑动时与左图像目标区的相关系数，并确定右图像中相关系数最大的滑动窗口的中心点，将确定的该中心点作为左图像中该目标区中心点的匹配点。通过确定左图像目标区中心点和匹配点的视差，得到左图像的左视差图像。

上述现有的局部图像匹配方法，由于通过计算相关系数确定匹配点，只需要进行简单的运算进行匹配，采用这种匹配方式在图像发生遮挡或者无纹理时，匹配的精度较低。

发明内容

本发明实施例提供一种图像匹配方法及装置，用以解决现有技术中存在的局部图像匹配精度低的问题。

本发明实施例提供一种图像匹配方法，包括：

针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；

针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；

对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，并将所述非稳定状态像素点加入稳定状态的像素点中。

通过本发明实施例提供的上述方法，由于对第一视差图像中的非稳定状态的像素点进行匹配，是对第一视差图像的非稳定状态的像素点对应的第一图像中的像素点的匹配点进行修正，从而提高了匹配精度。

进一步的，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像，具体包括：

针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定所述第一图像中的该像素点与所述第二图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第二图像中的像素点与所述第一图像中的该像素点的像素值的差值，作为所述第一图像中的该像素点的视差值，并通过所述第一图像中的所有像素点的视差值得到第一视差图像；

针对待匹配图像对中的第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定所述第二图像中的该像素点与所述第一图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第一图像中的像素点与所述第二图像中的该像素点的像素值的差值，作为所述第二图像中的该像素点的视差值，并通过所述第二图像中的所有像素点的视差值得到第二视差图像。

进一步的，针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点，具体包括：

针对所述第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较；

当该像素点对应的相关系数大于相关系数阈值时，将所述第一视差图像中该像素点分类为稳定状态的像素点；

当该像素点对应的相关系数不大于相关系数阈值时，将所述第一视差图像中该像素点分类为非稳定状态的像素点。

进一步的，上述方法，还包括：

确定所述第一视差图像中的每一个像素点的视差与所述第二视差图像对应位置的像素点的视差的差值；

当所述差值大于视差差值阈值时，确定所述第一视差图像中的该像素点为遮挡状态的像素点。

这样，检测到遮挡点后，能够为后续对遮挡点的处理提供基础。

进一步的，对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，具体包括：

确定对所述第一视差图像的像素点分类后的稳定状态的各像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值；

将所述差值与灰度值差值阈值进行比较；

当所述差值小于灰度值差值阈值时，针对所述非稳定状态的像素点，遍历所述第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定所述非稳定状态的像素点与所述预设数量的像素点中的每一个像素点的相关系数；

确定相关系数最大对应的所述第二视差图像中像素点，将该像素点作为所述非稳定状态像素点的匹配点。

进一步的，上述方法，还包括：

当所述差值不小于灰度值差值阈值时，确定与该稳定状态的像素点相邻的非稳定状态的像素点位于边界点。

本发明实施例还提供了一种图像匹配装置，包括：

获取单元，用于针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；

分类单元，用于针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；

第一确定单元，用于对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，并将所述非稳定状态像素点加入稳定状态的像素点中。

通过本发明实施例提供的上述装置，由于对第一视差图像中的非稳定状态的像素点进行匹配，是对第一视差图像的非稳定状态的像素点对应的第一图像中的像素点的匹配点进行修正，从而提高了匹配精度。

进一步的，所述获取单元，具体用于针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定所述第一图像中的该像素点与所述第二图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第二图像中的像素点与所述第一图像中的该像素点的像素值的差值，作为所述第一图像中的该像素点的视差值，并通过所述第一图像中的所有像素点的视差值得到第一视差图像；

针对待匹配图像对中的第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定所述第二图像中的该像素点与所述第一图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第一图像中的像素点与所述第二图像中的该像素点的像素值的差值，作为所述第二图像中的该像素点的视差值，并通过所述第二图像中的所有像素点的视差值得到第二视差图像。

进一步的，所述分类单元，具体用于针对所述第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较；当该像素点对应的相关系数大于相关系数阈值时，将所述第一视差图像中该像素点分类为稳定状态的像素点；当该像素点对应的相关系数不大于相关系数阈值时，将所述第一视差图像中该像素点分类为非稳定状态的像素点。

进一步的，上述装置，还包括：

第二确定单元，用于确定所述第一视差图像中的每一个像素点的视差与所述第二视差图像对应位置的像素点的视差的差值；

第三确定单元，用于当所述差值大于视差差值阈值时，确定所述第一视差图像中的该像素点为遮挡状态的像素点。

这样，检测到遮挡点后，能够为后续对遮挡点的处理提供基础。

进一步的，所述第一确定单元，具体用于确定对所述第一视差图像的像素点分类后的稳定状态的各像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值；将所述差值与灰度值差值阈值进行比较；当所述差值小于灰度值差值阈值时，针对所述非稳定状态的像素点，遍历所述第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定所述非稳定状态的像素点与所述预设数量的像素点中的每一个像素点的相关系数；确定相关系数最大对应的所述第二视差图像中像素点，将该像素点作为所述非稳定状态像素点的匹配点。

进一步的，上述装置，还包括：

第四确定单元，用于当所述差值不小于灰度值差值阈值时，确定与该稳定状态的像素点相邻的非稳定状态的像素点位于边界点。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的图像匹配方法的流程图；

图2为本发明1实施例提供的图像匹配方法的流程图；

图3为本发明2实施例提供的图像匹配装置的结构示意图。

具体实施方式

为了给出提高图像匹配精度的实现方案，本发明实施例提供了一种图像匹配方法及装置，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明实施例提供一种图像匹配方法，如图1所示，包括：

步骤101、针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取该待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像。

步骤102、针对第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点。

步骤103、对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在第二视差图像中，与非稳定状态像素点的相关系数最大对应的像素点，作为该非稳定状态像素点的匹配点，并将该非稳定状态像素点加入稳定状态的像素点中。

本发明实施例中，待匹配图像对还可以为多目立体视觉中的多幅图像中的相邻两幅图像，例如：待匹配图像对可以为双目立体视觉的左右两幅图像，左图像对应第一图像，右图像对应第二图像，可以通过预先摆放好位置的左右两台摄像机对同一物体进行拍摄，得到左右两幅图像，通过将左右两幅图像匹配，可以分别得到左右两幅图像的视差图像，进一步还可以通过视差图像能够确定该物体的位置。

下面结合附图，用具体实施例对本发明提供的方法及装置进行详细描述。

实施例1：

图2为本发明实施例1提供的图像匹配方法的流程图，具体如下处理步骤：

步骤201、对待匹配图像对中的两幅图像进行灰度处理，得到待匹配图像对中的第一图像和第二图像。

步骤202、针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定该第一图像中的该像素点与第二图像中的每一个像素点的相关系数。

本步骤中，针对待匹配图像对中的第一图像中的每一个像素点(x_i，y_i)，x_i表示该像素点的x轴的坐标值，y_i表示该像素点的y轴的坐标值，i＝1，2，……K，K为第一图像的像素点总数量，取以该像素点(x_i，y_i)为中心的预设大小(N×N)的窗口P。在第二图像中取以一个像素点为中心的预设大小(N×N)的窗口Q，其中，N为奇数且N≥3，将窗口Q移动偏移量Δ＝(Δ_x,Δ_y)^T，使得窗口Q的中心遍历第二图像中的每一个像素点(x_j′，y_j′)，j＝1，2，……K，K为第二图像的像素点总数量，第一图像和第二图像的像素点数量相同。采用交叉相关方法确定第一图像中的像素点(x_i，y_i)与第二图像中的每一个像素点(x_j′，y_j′)的相关系数具体采用如下公式：

$C_{i,j}=\frac{\underset{t=1}{\overset{N\×N}{\mathrm{\Σ}}}(I_t(x_i,y_i)-M(x_i,y_i))({I_t}^{\′}({x_j}^{\′}+{\mathrm{\Δ}}_x,{y_j}^{\′}+{\mathrm{\Δ}}_y)-{M_t}^{\′}({x_j}^{\′}+{\mathrm{\Δ}}_x,{y_j}^{\′}+{\mathrm{\Δ}}_y))}{\sqrt{\underset{t=1}{\overset{N\×N}{\mathrm{\Σ}}}{(I_t(x_i,y_i)-M(x_i,y_i))}^2\underset{t=1}{\overset{N\×N}{\mathrm{\Σ}}}{({I_t}^{\′}({x_j}^{\′}+{\mathrm{\Δ}}_x,{y_j}^{\′}+{\mathrm{\Δ}}_y)-{M_t}^{\′}({x_j}^{\′}+{\mathrm{\Δ}}_x,{y_j}^{\′}+{\mathrm{\Δ}}_y))}^2}}$

其中，C_i,j为第一图像中的像素点(x_i，y_i)与第二图像中的像素点(x_j′+Δ_x，y_j′+Δ_y)的相关系数；I_t(x_i,y_i)为第一图像中以像素点(x_i，y_i)为中心的(N×N)的窗口中第t个像素点的灰度值；M(x_i,y_i)为第一图像中以像素点(x_i，y_i)为中心的(N×N)的窗口的所有像素点灰度值的平均值；I_t′(x_j′+Δ_x,y_j′+Δ_y)为第二图像中以像素点(x_j′+Δ_x，y_j′+Δ_y)为中心的(N×N)的窗口中第t个像素点的灰度值；M_t′(x_j′+Δ_x,y_j′+Δ_y)为第二图像中以像素点(x_j′+Δ_x，y_j′+Δ_y)为中心的(N×N)的窗口中的所有像素点灰度值的平均值。

步骤203、将第一图像中的像素点与第二图像中的每一个像素点的相关系数中，相关系数最大对应的第二图像中的像素点确定为第一图像中的该像素点的预匹配点。

步骤204、确定第一图像中的各像素点与该像素点对应的第二图像中的预匹配点的灰度值的差值，得到第一图像对应的第一视差图像。

本步骤中，第一图像中的各像素点(x_i，y_i)的灰度值I_i与该像素点对应的第二图像中的预匹配点(x_j′，y_j′)的灰度值I_j的差值，即为第一图像中的各像素点对应的视差值d_i,j＝I_j-I_i。

上述步骤202-204中，第一图像中的像素点的数量为K，与第一图像对应第一视差图像中的像素点的数量也为K。

步骤205、针对待匹配图像对中第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定该第二图像中的该像素点与第一图像中的每一个像素点的相关系数。

本步骤中，确定第二图像中的各像素点与第一图像中的每一个像素点的相关系数的具体方式与步骤202中的方式相同，在此不再进行详细描述。

步骤206、将第二图像中的像素点与第一图像中的每一个像素点的相关系数中，相关系数最大对应的第一图像中的像素点确定为第二图像中的该像素点的预匹配点。

步骤207、确定第二图像中的各像素点与该像素点对应的第一图像中的预匹配点的灰度值的差值，得到第二图像对应的第二视差图像。

上述步骤202-204与步骤205-207之间没有严格的先后顺序，可以先执行步骤202-204，再执行步骤205-207；还可以先执行步骤205-207，再执行步骤202-204；或者同时执行步骤202-204和布置205-207。

在对第一图像和第二图像进行预匹配，得到第一图像的各像素点在第二图像中对应的预匹配点以及第一视差图像后，可以通过对第一视差图像进行再次匹配，修正视差值，能够提高视差值的确定精度。

步骤208、针对该第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较，根据比较结果，对该第一视差图像中的像素点进行分类。

本步骤中，当该像素点对应的相关系数大于相关系数阈值时，将该第一视差图像中该像素点分类为非稳定状态的像素点；当该像素点对应的相关系数不大于相关系数阈值时，将该第一视差图像中该像素点分类为稳定状态的像素点。其中，该相关系数阈值可以根据实际经验进行灵活设置。

对于分类后的稳定状态的像素点，可以将稳定状态的像素点作为种子点加入队列，并标记为“已生长像素”，并在队列中记录每个种子点的坐标值(x，y)和该种子点对应的视差值。

进一步的，在对第一视差图像中的像素点进行分类，得到稳定状态和非稳定状态之前，还可以通过第一视差图像和第二视差图像中的视差值，检测处于遮挡状态的像素点，具体处理方式为：确定第一视差图像中的每一个像素点的视差与第二视差图像对应位置的像素点的视差的差值；将该差值大于视差差值阈值的第一视差图像中的该像素点确定为遮挡状态的像素点。在确定遮挡状态的像素点后，可以对非遮挡状态的像素点执行步骤208的处理。

在对第一视差图像中的像素点进行分类得到稳定状态和非稳定状态的像素点后，采用区域生长的方式对第一视差图像中的非稳定状态像素点进行再匹配，具体是对分类后的每一个稳定状态的像素点作为种子点，对其相邻的非稳定状态像素点进行处理，生长为稳定状态像素点，具体处理过程如下步骤209-步骤211。

步骤209、确定对第一视差图像的像素点分类后的稳定状态的像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值。

本步骤中，对第一视差图像的像素点分类后的稳定状态的像素点，即种子点队列中的像素点，取与队列中的像素点相邻的上、下、左、右、左上、左下、右上、右下八个像素点中的非稳定状态的像素点，确定队列中的像素点与相邻的非稳定状态的像素点的灰度值的差值。

步骤210、将该差值与灰度值差值阈值进行比较，当该差值小于灰度值差值阈值时，进入步骤211，当该差值不小于灰度值差值阈值时，进入步骤212。

步骤211、当该差值小于灰度值差值阈值时，针对第一视差图像中该非稳定状态的像素点，遍历第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定该非稳定状态的像素点与预设数量的像素点中的每一个像素点的相关系数。

具体的，第一视差图像中的该非稳定状态的像素点为A，取第二视差图像中与A点对应位置的B点，以及以B点为中心的(G×G)窗口的像素点，预设数量为G×G，采用与步骤202中相同的交叉相关方法，分别确定A点与(G×G)窗口中的每一个像素点的相关系数。

步骤212、确定相关系数最大对应的第二视差图像中的像素点，将该像素点作为该非稳定状态像素点的匹配点。

本步骤中，对非稳定状态像素点进行再匹配，即对尚未生长过的像素点进行区域生长，再匹配后，将该非稳定状态像素点加入分类后的稳定状态的像素点，并标记为已生长像素。非稳定状态像素点与该非稳定状态像素点的匹配点表征了两幅图像具有相同特征的对应位置点。

通过本发明实施例提供的上述方法，由于对第一视差图像中的非稳定状态的像素点进行匹配，是对第一视差图像的非稳定状态的像素点对应的第一图像中的像素点的匹配点进行修正，从而提高了匹配精度。同时可以检测到遮挡点和边界点，能够进一步为后续对遮挡点和边界点的处理提供基础。

实施例2：

基于同一发明构思，根据本发明上述实施例提供的图像匹配方法，相应地，本发明实施例2还提供了一种图像匹配装置，其结构示意图如图3所示，具体包括：

获取单元301，用于针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；

分类单元302，用于针对所述第一视差图像中每一个像素点，根据该像素点对应的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；

第一确定单元303，用于对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，并将所述非稳定状态像素点加入稳定状态的像素点中。

进一步的，获取单元301，具体用于针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定所述第一图像中的该像素点与所述第二图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第二图像中的像素点与所述第一图像中的该像素点的像素值的差值，作为所述第一图像中的该像素点的视差值，并通过所述第一图像中的所有像素点的视差值得到第一视差图像；

针对待匹配图像对中的第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定所述第二图像中的该像素点与所述第一图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第一图像中的像素点与所述第二图像中的该像素点的像素值的差值，作为所述第二图像中的该像素点的视差值，并通过所述第二图像中的所有像素点的视差值得到第二视差图像。

进一步的，分类单元302，具体用于针对所述第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较；当该像素点对应的相关系数大于相关系数阈值时，将所述第一视差图像中该像素点分类为稳定状态的像素点；当该像素点对应的相关系数不大于相关系数阈值时，将所述第一视差图像中该像素点分类为非稳定状态的像素点。

进一步的，上述装置，还包括：

第二确定单元304，用于确定所述第一视差图像中的每一个像素点的视差与所述第二视差图像对应位置的像素点的视差的差值；

第三确定单元305，用于当所述差值大于视差差值阈值时，确定所述第一视差图像中的该像素点为遮挡状态的像素点。

进一步的，第一确定单元303，具体用于确定对所述第一视差图像的像素点分类后的稳定状态的各像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值；将所述差值与灰度值差值阈值进行比较；当所述差值小于灰度值差值阈值时，针对所述非稳定状态的像素点，遍历所述第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定所述非稳定状态的像素点与所述预设数量的像素点中的每一个像素点的相关系数；确定相关系数最大对应的所述第二视差图像中像素点，将该像素点作为所述非稳定状态像素点的匹配点。

进一步的，上述装置，还包括：

第四确定单元306，用于当所述差值不小于灰度值差值阈值时，确定与该稳定状态的像素点相邻的非稳定状态的像素点位于边界点。

上述各单元的功能可对应于图1或图2所示流程中的相应处理步骤，在此不再赘述。

综上所述，本发明实施例提供的方案，包括：针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；针对第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在该第二视差图像中，与该非稳定状态像素点的相关系数最大对应的像素点，作为该非稳定状态像素点的匹配点，并将该非稳定状态像素点加入稳定状态的像素点中。采用本发明实施例提供的方案，提高了图像匹配精度。

本申请的实施例所提供的图像匹配装置可通过计算机程序实现。本领域技术人员应该能够理解，上述的模块划分方式仅是众多模块划分方式中的一种，如果划分为其他模块或不划分模块，只要图像匹配装置具有上述功能，都应该在本申请的保护范围之内。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种图像匹配方法，其特征在于，包括：

针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；

针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；

对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，并将所述非稳定状态像素点加入稳定状态的像素点中。

2.如权利要求1所述的方法，其特征在于，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像，具体包括：

针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定所述第一图像中的该像素点与所述第二图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第二图像中的像素点与所述第一图像中的该像素点的像素值的差值，作为所述第一图像中的该像素点的视差值，并通过所述第一图像中的所有像素点的视差值得到第一视差图像；

针对待匹配图像对中的第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定所述第二图像中的该像素点与所述第一图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第一图像中的像素点与所述第二图像中的该像素点的像素值的差值，作为所述第二图像中的该像素点的视差值，并通过所述第二图像中的所有像素点的视差值得到第二视差图像。

3.如权利要求1所述的方法，其特征在于，针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点，具体包括：

针对所述第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较；

当该像素点对应的相关系数大于相关系数阈值时，将所述第一视差图像中该像素点分类为稳定状态的像素点；

当该像素点对应的相关系数不大于相关系数阈值时，将所述第一视差图像中该像素点分类为非稳定状态的像素点。

4.如权利要求1所述的方法，其特征在于，还包括：

确定所述第一视差图像中的每一个像素点的视差与所述第二视差图像对应位置的像素点的视差的差值；

当所述差值大于视差差值阈值时，确定所述第一视差图像中的该像素点为遮挡状态的像素点。

5.如权利要求1所述的方法，其特征在于，对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，具体包括：

确定对所述第一视差图像的像素点分类后的稳定状态的各像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值；

将所述差值与灰度值差值阈值进行比较；

当所述差值小于灰度值差值阈值时，针对所述非稳定状态的像素点，遍历所述第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定所述非稳定状态的像素点与所述预设数量的像素点中的每一个像素点的相关系数；

确定相关系数最大对应的所述第二视差图像中像素点，将该像素点作为所述非稳定状态像素点的匹配点。

6.如权利要求5所述的方法，其特征在于，还包括：

当所述差值不小于灰度值差值阈值时，确定与该稳定状态的像素点相邻的非稳定状态的像素点位于边界点。

7.一种图像匹配装置，其特征在于，包括：

获取单元，用于针对多目立体视觉的多幅图像中相邻的待匹配图像对，获取所述待匹配图像对中的第一图像的像素点为基准确定的第一视差图像和第二图像的像素点为基准确定的第二视差图像；

分类单元，用于针对所述第一视差图像中每一个像素点，根据该像素点的相关系数和相关系数阈值的大小关系，对所述第一视差图像中像素点进行分类，得到稳定状态的像素点和非稳定状态的像素点；

第一确定单元，用于对于每一个稳定状态的像素点的相邻的每一个非稳定状态像素点，确定在所述第二视差图像中，与所述非稳定状态像素点的相关系数最大对应的像素点，作为所述非稳定状态像素点的匹配点，并将所述非稳定状态像素点加入稳定状态的像素点中。

8.如权利要求7所述的装置，其特征在于，所述获取单元，具体用于针对待匹配图像对中的第一图像中的每一个像素点，遍历第二图像中的所有像素点，采用交叉相关方法分别确定所述第一图像中的该像素点与所述第二图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第二图像中的像素点与所述第一图像中的该像素点的像素值的差值，作为所述第一图像中的该像素点的视差值，并通过所述第一图像中的所有像素点的视差值得到第一视差图像；

针对待匹配图像对中的第二图像中的每一个像素点，遍历第一图像中的所有像素点，采用交叉相关方法分别确定所述第二图像中的该像素点与所述第一图像中的每一个像素点的相关系数；确定相关系数最大对应的所述第一图像中的像素点与所述第二图像中的该像素点的像素值的差值，作为所述第二图像中的该像素点的视差值，并通过所述第二图像中的所有像素点的视差值得到第二视差图像。

9.如权利要求7所述的装置，其特征在于，所述分类单元，具体用于针对所述第一视差图像中的每一个像素点，将该像素点对应的相关系数和相关系数阈值进行比较；当该像素点对应的相关系数大于相关系数阈值时，将所述第一视差图像中该像素点分类为稳定状态的像素点；当该像素点对应的相关系数不大于相关系数阈值时，将所述第一视差图像中该像素点分类为非稳定状态的像素点。

10.如权利要求7所述的装置，其特征在于，还包括：

第二确定单元，用于确定所述第一视差图像中的每一个像素点的视差与所述第二视差图像对应位置的像素点的视差的差值；

第三确定单元，用于当所述差值大于视差差值阈值时，确定所述第一视差图像中的该像素点为遮挡状态的像素点。

11.如权利要求7所述的装置，其特征在于，所述第一确定单元，具体用于确定对所述第一视差图像的像素点分类后的稳定状态的各像素点与该像素点相邻的非稳定状态的像素点的灰度值的差值；将所述差值与灰度值差值阈值进行比较；当所述差值小于灰度值差值阈值时，针对所述非稳定状态的像素点，遍历所述第二视差图像中与该非稳定状态的像素点对应位置的像素点和相邻位置的预设数量的像素点，采用交叉相关方法分别确定所述非稳定状态的像素点与所述预设数量的像素点中的每一个像素点的相关系数；确定相关系数最大对应的所述第二视差图像中像素点，将该像素点作为所述非稳定状态像素点的匹配点。

12.如权利要求11所述的装置，其特征在于，还包括：

第四确定单元，用于当所述差值不小于灰度值差值阈值时，确定与该稳定状态的像素点相邻的非稳定状态的像素点位于边界点。