一种基于方向集的泛化置信度传播的双目立体视觉匹配方法，包括以下步骤：１）采集双目的左右两幅图像，建立马尔可夫随机场；２）产生多尺度马尔可夫随机场，第ｋ层的大小是第ｋ＋１层大小的四分之一；３）设在多尺度马尔可夫随机场中共有ｎ层，按从１到ｎ的顺序分别对ｎ个马尔可夫随机场进行求解，通过将一个在二维空间中搜索最小值的问题分解到多个一维空间中搜索最小值，将第ｉ层的计算结果传递到第ｉ＋１层；４）在最底层马尔可夫随机场求解完成后，取代价值最小的那个状态作为该变量的最终状态，即为该变量所对应图像中点的视差值。本发明专利技术有效降低复杂度、减少计算量。
【技术实现步骤摘要】
本专利技术涉及图像处理、计算机视觉、计算方法、数学、数值方法领域，尤其是计算机 视觉的双目立体视觉匹配方法。
技术介绍
目前，立体视觉匹配问题的研究已经取得了很大的进展。特别是基于全局优化的 匹配算法，已经成为了解决匹配问题的主要方法，得到了广泛的运用。其能得到如此关注的 原因是因为匹配问题可以很好地被建模为一个马尔可夫随机场(MRF)或条件随机场(CRF) 的优化问题。这类问题在许多学科中都有设计，由此产生的很多算法都可以运用到匹配问 题的解决当中来。其中，基于置信度传播(Belief Propagation)的算法是一种目前受到广泛关注 的方法。它的主要思想是通过节点之间置信度的传播实现整个模型的逐步收敛。其最初 是在文献(Pearl J. . Probabilistic reasoningin intelligent systems networks of plausible inference(智能系统中的概率推演可信度推演网络)，San Francisco Morgan KaufmannPublishers Inc.，1988.)中提出的，然后在文献(Sun Jian, Zheng Nan-Ning, et al. . Stereo matching using belief propagation (使用置信度传播的 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问题中。置信度传播算法的一个最大的问题是只有在无环的图结构中才被证明可以收 敛，而像匹配问题中使用到的网格状的马尔可夫随机场模型具有大量的环状结构，这样就 会造成结果的不稳定。对于这个问题主要有三种解决方法，第一种是将迭代的次数设定 在一个比较小的次数上，不用等到算法收敛就直接停止迭代。这也是最简单，最常用的一 种解决方法；第二种是将邻近两次迭代过程中置信度变化不大或没有变化的节点移除出 迭代过程，使得当迭代过程的不断进行，节点数量逐渐减少，当没有节点参与迭代时，迭 代自动终止；第三种方法是在每次迭代中都先构造一棵生成树，迭代在该生成树中进行， 如文献(Wainwright M. J.，Jaakkola T. S.，et al. . MAP estimation via agreementon trees :message_passing and linear programming (使用树的统一性的最大后验 概率估计信息传递和线性规划) IEEE Transactions onlnformation Theory. 2005， 51 (11) :3697_3717.)禾口(Kolmogorov V.. Convergent tree-reweighted message passing for energy minimization (使用收敛的树型信息传递的能量最小化方法).IEEE Transactions onPattern Analysis and Machine Intelligence.2006. 10，28 (10) 1568-1583.)中所示。由于生成树中没有环状结构，所以不会产生不收敛的结果。而且文献 (Szeliski R. ,Zabih R. , et al. . A comparative study of energyminimization methods for markov random fields with smoothness—basedpriors(对基于光滑先验才既率 的马尔可夫随机场进行能量最小化的算法的比较研究).IEEE Transactions on Pattern Analysis and Machinelntelligence. 2008,30(6) 1068-1080.)中的实验表明，该方法在匹配问题中可以得到比传统的置信度传播算法更稳定的匹配结果。另外一种置信度传播算法的扩展是泛化置信度传播算法。该算法是传统置信度 传播算法的一种扩展。它最早是由Yedidia及其他研究者提出的(Yedidia J. S. ,Freeman ff. T. , et al. . Generalized beliefpropagation(泛化置信度传播算法) Neural Information ProcessingSystems. 2000,13 :689_695.)。泛化置信度传播算法的总体思 想是将图结构中的各节点进行聚类，在各聚类间进行信息传播。它并没有制定具体的聚类 或者说分块策略，只是一个框架性的算法。文献(YedidiaJ. S.，Freeman ff. T.，et al.. Constructing free-energy approximations andgeneralized belief propagation algorithms (构造自由能估计算法和泛化置信度传播算法).IEEE transactions on information theory, 2005, 51 (7) :2282_2312.)对泛化置信度传播算法的聚类方式进行了 讨论，提出了用一种区域图的图结构来表示各种不同的聚类结果，同时还在区域图上讨论 了泛化置信度传播算法的收敛性质。由于该算法计算量较大，所以在匹配问题中还没有出 现应用实例。
技术实现思路
为了克服现有的针对泛化置信度传播算法的双目图像匹配方法的较高复杂度，较 大计算量的不足，本专利技术提出了基于最小和的缓存加速策略，使得泛化置信度传播算法的 性能得到了很大加强，从而成功将其应用于双目视觉中匹配问题的求解过程中，提供了一 种有效降低复杂度、减少计算量的基于方向集的泛化置信度传播的双目立体视觉匹配方 法。本专利技术解决其技术问题所采用的技术方案是一种，所述双目立体视觉 匹配方法包括以下步骤1)采集双目的左右两幅图像，将左图中的每一个像素点都作为一个变量，然后保 持这些变量在图像坐标中的相对位置不变，进行4邻域连接，得到马尔可夫随机场的拓扑 结构，然后按公式(1)和公式(2)分别计算马尔可夫随机场中的各变量的各状态代价值，以 及各连接边的代价值(,-)D(^) = A-min ^~ fP))2J(1)V(fp, fq) =min(|fp-fq|,K)(2)其中，A表示代价权重，它影响到点代价在整个能量函数中所占有的比重；fp*fq 分别表示变量P和q的状态序号；T表示截断值；颜色向量距离采用欧氏距离来表征，K表 示截断值；I。l(P)和I。K(P)分别表示左图和右图中P点处的c通道的颜色值；2)产生多尺度马尔可夫随机场，第k层的大小是第k+1层大小的四分之一；3)设在多尺度马尔可夫随机场中共有n层，按从1到n的顺序分别对n个马尔可 夫随机场进行求解；首先，使用泛化置信度传播算法对每一层的马尔可夫随机场分别求解， 原始的泛化置信度传播算法使用公式(3)和公式(4)来进行信息传递 其中，(j5s= (j5s(xs) = D(xs)，％ = (xx,xa) = r(xx本文档来自技高网...
【技术保护点】
一种基于方向集的泛化置信度传播的双目立体视觉匹配方法，其特征在于：所述双目立体视觉匹配方法包括以下步骤：１）采集双目的左右两幅图像，将左图中的每一个像素点都作为一个变量，然后保持这些变量在图像坐标中的相对位置不变，进行４邻域连接，得到马尔可夫随机场的拓扑结构，然后按公式（１）和公式（２）分别计算马尔可夫随机场中的各变量的各状态代价值，以及各连接边的代价值：＊＊＊（１）Ｖ（ｆ↓［ｐ］，ｆ↓［ｑ］）＝ｍｉｎ（｜ｆ↓［ｐ］－ｆ↓［ｑ］｜，Ｋ）（２）其中，λ表示代价权重，它影响到点代ｔ－１］（ｘ↓［ｓ］）；Ｑ↓［ｓｕ］（ｘ↓［ｓ］，ｘ↓［ｕ］）＝Ｖ（ｘ↓［ｓ］，ｘ↓［ｕ］）＋＊ｍ↓［ｉ→ｓｕ］↑［ｔ－１］（ｘ↓［ｓ］，ｘ↓［ｕ］）；Ｑ↓［ｓｕ］′＝Ｄ（ｘ↓［ｓ］）＋Ｖ（ｘ↓［ｓ］，ｘ↓［ｕ］）＋ｍ↓［ａ→ｓ］↑［ｔ－１］（ｘ↓［ｓ］）＋ｍ↓［ｃ→ｓ］↑［ｔ－１］（ｘ↓［ｓ］）＋ｍ↓［ｃｅ→ｓｕ］↑［ｔ－１］（ｘ↓［ｓ］，ｘ↓［ｕ］）；Ｑ↓［ｔｖ］′＝Ｄ（ｘ↓［ｔ］）＋Ｖ（ｘ↓［ｔ］，ｘ↓［ｖ］）＋ｍ↓［ｂ→ｔ］↑［ｔ－１］（ｘ↓［ｔ］）＋ｍ↓［ｄ→ｔ］↑［ｔ－１］（ｘ↓［ｔ］）＋ｍ↓［ｄｆ→ｔｖ］↑［ｔ－１］（ｘ↓［ｔ］，ｘ↓［ｖ］）；Ｑ↓［ｓｔ］′＝Ｖ（ｘ↓［ｓ］，ｘ↓［ｔ］）＋ｍ↓［ａｂ→ｓｔ］↑［ｔ－１］（ｘ↓［ｓ］，ｘ↓［ｔ］）均是缓存变量；将公式（６）的计算过程描述成一个在二维网格中搜索最小值的问题，首先选取：ｓ↓［ｉｎｉ］＝ｍｉｎ｛Ｑ↓［ｓｕ］′（ｘ↓［ｓ］，ｘ↓［ｕ］）｝（７）ｔ↓［ｉｎｉ］＝ｍｉｎ｛Ｗ↓［ｔｖ］′（ｘ↓［ｔ］，ｘ↓［ｖ］）｝（８）（７）、（８）作为搜索的起始点，然后使点Ｐ在水平方向上移动，搜索在该方向上的最小值，找到最小值后，将点Ｐ移动到该位置；接着将点Ｐ沿垂直方向进行搜索，同样找到该方向上的最小值，然后移到该位置，反复循环迭代以上步骤，直到Ｐ点不再移动位置时，其所处位置的值即被认定为该二维网格中的最小值；然后分点传递和边传递两部分分别进行信息传递，在点传递过程中，首先选择所有非相邻的变量同步进行上下左右四个方向的传递，再选择在前一步中没有进行传递的变量进行同样方式的传递；在边传递过程中，分为水平边传递和垂直边传递两部分，其中，水平边传递分过程中，首先选择非相邻的水平边进行同步上下两个方向的传递，再选择在前一步中没有进行传递的水平边按同样方式进行传递；然后进行垂直边传递，其传递方式和水平...
【技术特征摘要】
【专利技术属性】
技术研发人员：陈胜勇，王中杰，童汉阳，李友福，管秋，刘盛，王万良，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86[中国|杭州]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。