1.基于环境感知的立体树木图像融合方法，包括如下步骤：步骤1.获取树木对象；

(11)获取三色图，具体如下；

自然图像的任意像素是对应前景和背景的线性组合：Iz＝αzFz+(1‑αz)Bz          (1)其中，z表示图像中任一像素点，Iz表示z的像素值，Fz表示z处的前景色，Bz表示z处的背景色，αz是z处前景色与背景色加权的比例，取值在[0,1]之间；αz为0时，z点为绝对背景，αz为1时，为绝对前景；三色图把图像分为绝对前景、绝对背景和未知区域三个区域；

(12)提取树木对象粗略的透明度，具体如下；

根据未知像素到已知前景和背景的距离动态变化采样范围，获取未知像素真实的前景、背景集；候选样本对表示为(Fj,Bj)即前景色、背景色对；然后，根据图像的色彩失真，空间和颜色统计选取最佳候选对Oz(Fj,Bj)，即:Oz(Fj,Bj)＝Kz(Fj,Bj)×Sz(Fj,Bj)×CZ(Fj,Bj)      (2)其中,j为采样范围内任意像素点，Kz(Fj,Bj)颜色失真函数，Sz(Fj,Bj)图像空间统计函数，CZ(Fj,Bj)图像颜色统计函数；

任一样本对(Fj,Bj)与未知像素z之间的颜色差异Kz(Fj,Bj)为:Kz(Fj,Bj)＝exp(‑||Iz‑(αFj+(1‑α)Bj)||)   (3)其中，α是前景色与背景色的加权比例；

样本对(Fj,Bj)与未知像素z之间的空间距离Sz(Fj,Bj)为:其中， 分别为未知像素z的已知前景和背景样本的集合，k为前景样本集合中的任意像素点，Fk为k处的前景色；n为背景样本集合的任意像素点，Bn为n处的背景色；

分别为前景和背景集合的大小， 为j处前景Fj的空间坐标， 为j处背景Bj的空间坐标， 分别为z与Fj和Bj的欧式距离；

图像颜色统计函数CZ(Fj,Bj)为:其中，Mz为z处的尺度因子，d(Fj,Bj)表示Fj,Bj间的科恩颜色距离值；

根据最佳候选对(F,B)，估计αz值:(13)输入原始树木图像与对应三色图结合，并根据前景色与背景色加权的比例α的值粗略地扣取树木，用K‑Means聚类算法进行再次过滤，得到优化后的树木对象；

步骤2.深度一致性视差融合；

为避免立体树木在3D场景中“纸片化”，采用基于深度模板的深度信息构建方法建立多层次结构树木结构,并采用基于融合点的深度一致性视差调整，使融合后树木对象的深度和融合场景保持一致；

首先实现实时的深度一致性融合；将泊松方程转换成拉普拉斯方程，再用加权MVC，即Mean‑Value coordinates，生成融合结果，在梯度域内重构2D树木对象的深度；

对于一个有m个顶点的闭合多边形区域，设定边界 其中p0到pm按逆时针方向为各个顶点命名；其内部的某点t坐标可以表示为：其中，i表示多边形的第i个顶点，λi第i个顶点的加权均值， pi表示第i个顶点的坐标；

目标是求解MVC的加权均值λ1,...,λm‑1，其定义如下：其中，βi是∠Pi,t,Pi+1，即以t为顶点的角，融合区域处的顶点均值坐标continuous代表融合边界和目标图像一致的区域，otherwise代表融合边界和目标图像不一致的区域；

定义在边界 上的函数为f，多边形内部点的值 可以通过边界平滑插值得到，即：其中，λi(t)为以t为中心的边界中第i个顶点的加权均值；

泊松融合的目的就是要寻找未知函数f，使融合区域在边界上和目标图像保持一致的同时，梯度场尽可能接近源图像g的梯度场，泊松融合进一步可以表示为：*

在融合边界 上设定平滑膜 f为作用在目标区域中融合区域之外的已知函数；以考虑边界 的点，则可以计算平滑膜 在多边形区域内部点t的加权均值r(t)：

计算出平滑膜后，泊松融合的结果可以表示为：f＝g+r(t)                  (12)对于不同融合位置点，树木成像大小和视差之间有一定的关系，为符合双目视觉成像原理，采用平行摄像机模型；图像视差为Q＝ul‑uR，ul和uR分别为物体在左右视图的横坐标；

成像大小u与图像视差之间的关系为u＝LQ/b，u为成像大小，b是两个摄像机的基线距离,L为场景物体的实际大小；即成像大小与图像视差以及基线有关；由此可知，物体距离镜头越远，其对应物体的视差范围也越小，因此，如果融合位置较近，树木的层次感强，如果树木距离屏幕较远，树木层次感弱，树木的深度范围应该随着融合位置的远近变化；

步骤3.改善图像失色，处理遮挡；

为使融合效果更加自然，采用透明度对立体图像的失色情况进行优化；同时，对融合后场景的前后景遮挡进行处理来避免视觉错误；具体步骤如下：(31)颜色调整，具体步骤如下；

S1.在融合区域中引入自适应权重w来控制颜色变化；融合区域公式为：Iz＝wzqz+(1‑wz)ρz           (13)z表示图像中的任意像素点，ρz表示像素点z处泊松融合结果，qz表示z处透明度融合结果，wz表示z处颜色自适应权值；

S2.通过对源图像和目标图像的亮度对比信息作为调节颜色权值依据；亮度对比系数的计算流程如下：

对两幅图像，对树木透明度在0和1之间的对应区域，各自计算亮度之和G1和G2；然后计算融合区域的平均亮度对比系数

计算自适应权值：

d为内部融合区域的方差，a为融合区域的均值，ε为亮度阈值，χ为常数0.8；

(32)3D融合由于融合位置不同，不同物体间可能存在遮挡，需对融合树木前后遮挡问题进行处理；采用基于深度计算的遮挡方法，具体步骤如下；

首先，计算真实场景的深度信息，再根据树木对象的融合位置，判断树木对象与真实场景的空间位置关系；融合后的视差图计算公式为：(x,y)为像素点的坐标，Dfg表示前景中像素点的视差图，Dbg表示背景中像素点的视差图，blend是融合后的视差图；

基于融合后的视差图，判定树木遮挡，如果树木这一前景视差值大于等于背景视差值，说明树木更靠前；否则，树木在目标场景受到遮挡；重建3D树木的深度结构，将重建树木的深度与目标场景的深度信息进行比较，对未遮挡部分进行相应的渲染。