基于馬爾科夫隨機(jī)場(chǎng)的立體匹配算法研究.pdf

1、雙目立體視覺技術(shù)是計(jì)算機(jī)視覺的一個(gè)重要分支，它可以在多種條件下靈活的獲得景物的立體信息，相對(duì)于單目視覺而言有著不可比擬的優(yōu)勢(shì)，是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的前沿研究方向。立體匹配是立體視覺技術(shù)中最難也是最為關(guān)鍵的一步，本文深入研究了基于區(qū)域的立體視覺匹配。
　　 利用區(qū)域相關(guān)法對(duì)立體圖像進(jìn)行匹配，提出一種對(duì)稱多窗口改進(jìn)的SSD算法，在深度不連續(xù)問題上，與SSD算法--固定窗口方法進(jìn)行了比較解決，敘述了它們的優(yōu)缺點(diǎn)，但沒有考慮平滑條

2、件約束，視差分布比較散亂。針對(duì)此問題，本文研究了基于馬爾科夫隨機(jī)場(chǎng)(Marko.Rando.Fields)的能量方程最優(yōu)問題，將立體匹配問題轉(zhuǎn)化為能量最小化問題，最小化方法主要討論了圖像切割算法(Grap.Cuts)、樹重權(quán)值數(shù)據(jù)挖掘算法(Tree-reweigh.messag.passing)、帶圈信度傳播算法(Loop.belie.propagation)來解決能量方程的最小化問題，最小化能量函數(shù)是計(jì)算機(jī)視覺中一種有效的方法，能對(duì)圖

3、像處理中的不確定性約束進(jìn)行編碼，比如深度階躍、遮擋等進(jìn)行編碼，但其存在計(jì)算量大，實(shí)時(shí)性不佳的缺點(diǎn)。
　　 論文的主要研究工作有：
　　 (1)、提出基于對(duì)稱多窗口(SMW.symmetri.multi-windows)的改進(jìn)型快速算法在立體視覺匹配中的應(yīng)用。先利用單向檢測(cè)方法(singl.matchin.phase，SMP)進(jìn)行匹配判斷，本文針對(duì)有遮擋現(xiàn)象存在的圖像，首先利用對(duì)稱多窗口方法的自調(diào)整特性減少錯(cuò)誤匹配概率，并

4、利用唯一性約束條件和視差連續(xù)性約束條件對(duì)誤匹配進(jìn)行糾正，避免了重復(fù)計(jì)算，有效地減少了計(jì)算量，并用真實(shí)的圖像來進(jìn)行實(shí)驗(yàn)，結(jié)果表明本文算法可以有效減少遮擋區(qū)域的錯(cuò)誤匹配點(diǎn)，能夠自動(dòng)識(shí)別，并進(jìn)行深度平滑，同時(shí)具有匹配時(shí)間短的優(yōu)點(diǎn)。
　　 (2)、根據(jù)貝葉斯規(guī)則和馬爾科夫隨機(jī)場(chǎng)性質(zhì)，對(duì)圖像進(jìn)行建模，由最大后驗(yàn)估計(jì)(MAP)推導(dǎo)出能量方程的一般形式，將立體匹配問題轉(zhuǎn)化為能量方程最小化問題。該能量方程由數(shù)據(jù)條件和平滑條件組成，提出一種新的能

5、量方程數(shù)據(jù)條件SD，與目前已有的BT、AD方法進(jìn)行了比較。
　　 (3)、圖像切割算法中分別采用基于α擴(kuò)展的圖像切割和基于α-β交換遷移的圖像切割算法，數(shù)據(jù)條件分別用本文提出的SD和目前已有的AD、BT方法，該能量方程的平滑條件采用Potts模型和線性模型，并給出了相應(yīng)的實(shí)驗(yàn)結(jié)果及分析，比較實(shí)驗(yàn)結(jié)果。
　　 (4)、連續(xù)樹權(quán)值數(shù)據(jù)挖掘算法的能量方程的數(shù)據(jù)條件分別用本文提出的SD方法，并與目前已有的AD、BT的方法進(jìn)行比較

6、，該能量方程的平滑條件分別采用Potts模型和線性模型，給出了相應(yīng)的實(shí)驗(yàn)結(jié)果及分析。
　　 (5)、帶圈信度傳播算法中分別采用基于多刻度的信度傳播的立體匹配方法和基于連續(xù)信度傳播的立體匹配方法。針對(duì)現(xiàn)有的算法計(jì)算量大、實(shí)時(shí)性不強(qiáng)的特點(diǎn)，基于多刻度的信度傳播的立體匹配方法的能量方程的數(shù)據(jù)條件提出了SD方法，并與現(xiàn)有的AD、BT方法進(jìn)行比較；其該能量方程的平滑條件--本文提出了拋物線模型，并與Potts模型進(jìn)行了比較，給出了實(shí)驗(yàn)結(jié)果