[發(fā)明專利]基于最小和緩存加速策略的泛化置信度傳播的雙目立體視覺匹配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201010193499.4
• 申請(qǐng)日: 2010-06-08
• 公開（公告）號(hào): CN101877129A
• 公開（公告）日: 2010-11-03
• 發(fā)明（設(shè)計(jì)）人: 陳勝勇;王中杰;李友福;劉盛;王鑫;旺曉研
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 杭州天正專利事務(wù)所有限公司 33201
• 代理人: 王兵;王利強(qiáng)

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、計(jì)算機(jī)視覺、計(jì)算方法、數(shù)學(xué)、數(shù)值方法領(lǐng)域，尤其是計(jì)算機(jī)視覺的雙目立體視覺匹配方法。

背景技術(shù)

目前，立體視覺匹配問題的研究已經(jīng)取得了很大的進(jìn)展。特別是基于全局優(yōu)化的匹配算法，已經(jīng)成為了解決匹配問題的主要方法，得到了廣泛的運(yùn)用。其能得到如此關(guān)注的原因是因?yàn)槠ヅ鋯栴}可以很好地被建模為一個(gè)馬爾可夫隨機(jī)場(chǎng)(MRF)或條件隨機(jī)場(chǎng)(CRF)的優(yōu)化問題。這類問題在許多學(xué)科中都有設(shè)計(jì)，由此產(chǎn)生的很多算法都可以運(yùn)用到匹配問題的解決當(dāng)中來。

其中，基于置信度傳播(Belief?Propagation)的算法是一種目前受到廣泛關(guān)注的方法。它的主要思想是通過節(jié)點(diǎn)之間置信度的傳播實(shí)現(xiàn)整個(gè)模型的逐步收斂。其最初是在文獻(xiàn)(Pearl?J..Probabilistic?reasoningin?intelligent?systems：networks?of?plausible?inference[M](智能系統(tǒng)中的概率推演：可信度推演網(wǎng)絡(luò))，San?Francisco：Morgan?KaufmannPublishers?Inc.，1988.)中提出的，然后在文獻(xiàn)(Sun?Jian，Zheng?Nan-Ning，et?al..Stereo?matching?using?belief?propagation[J](使用置信度傳播的匹配算法).IEEE?transactions?on?Pattern?Analysis?and?Machine?Intelligence.2003，25(7)：787-800.)中第一次引入到求解匹配問題中。

置信度傳播算法的一個(gè)最大的問題是只有在無環(huán)的圖結(jié)構(gòu)中才被證明可以收斂，而像匹配問題中使用到的網(wǎng)格狀的馬爾可夫隨機(jī)場(chǎng)模型具有大量的環(huán)狀結(jié)構(gòu)，這樣就會(huì)造成結(jié)果的不穩(wěn)定。對(duì)于這個(gè)問題主要有三種解決方法，第一種是將迭代的次數(shù)設(shè)定在一個(gè)比較小的次數(shù)上，不用等到算法收斂就直接停止迭代。這也是最簡(jiǎn)單，最常用的一種解決方法；第二種是將鄰近兩次迭代過程中置信度變化不大或沒有變化的節(jié)點(diǎn)移除出迭代過程，使得當(dāng)?shù)^程的不斷進(jìn)行，節(jié)點(diǎn)數(shù)量逐漸減少，當(dāng)沒有節(jié)點(diǎn)參與迭代時(shí)，迭代自動(dòng)終止；第三種方法是在每次迭代中都先構(gòu)造一棵生成樹，迭代在該生成樹中進(jìn)行，如文獻(xiàn)(Wainwright?M.J.，Jaakkola?T.S.，et?al..MAP?estimation?via?agreementon?trees：message-passing?and?linear?programming[J](使用樹的統(tǒng)一性的最大后驗(yàn)概率估計(jì)：信息傳遞和線性規(guī)劃).IEEE?Transactions?onInformation?Theory.2005，51(11)：3697-3717.)和(Kolmogorov?V..Convergent?tree-reweighted?message?passing?for?energy?minimization[J](使用收斂的樹型信息傳遞的能量最小化方法).IEEE?Transactions?onPattern?Analysis?and?Machine?Intelligence.2006.10，28(10)：1568-1583.)中所示。由于生成樹中沒有環(huán)狀結(jié)構(gòu)，所以不會(huì)產(chǎn)生不收斂的結(jié)果。而且文獻(xiàn)(Szeliski?R.，Zabih?R.，et?al..A?comparative?study?of?energyminimization?methods?for?markov?random?fields?with?smoothness-basedpriors[J](對(duì)基于光滑先驗(yàn)概率的馬爾可夫隨機(jī)場(chǎng)進(jìn)行能量最小化的算法的比較研究).IEEE?Transactions?on?Pattern?Analysis?and?MachineIntelligence.2008，30(6)：1068-1080.)中的實(shí)驗(yàn)表明，該方法在匹配問題中可以得到比傳統(tǒng)的置信度傳播算法更穩(wěn)定的匹配結(jié)果。