[发明专利]基于最小和缓存加速策略的泛化置信度传播的双目立体视觉匹配方法

权利要求书

1.一种基于最小和缓存加速策略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：

D(fp)=λ·min(Σc∈{L,a,b}(IcL(p)-IcR(p-fp))2,T)---(1)]]>

V(f_p，f_q)＝min(|f_p-f_q|，K)       (2)

其中，λ表示代价权重，它影响到点代价在整个能量函数中所占有的比重；f_p和f_q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_c^L(p)和I_c^R(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，φ_s＝φ_s(x_s)＝D(x_s)，m_s→u＝m_s→u(x_u)表示当变量u选定状态x_u时，变量s向变量u传递的点信息，m_st→uv＝m_st→uv(x_u，x_v)表示当变量u和变量v选定状态x_u和x_u时，变量s和变量t之间的边向变量u和变量v之间的边传递的边信息；

对公式(3)和公式(4)进行负对数操作，并对其中的独立计算进行缓存，得到两条新的公式，即公式(5)和公式(6)：

ms→ut(xu)=minxs(Ps(xs)+Qsu(xs,xu))---(5)]]>

mst→uvt(xu,xv)=minxs,xt(Qsu′(xs,xu)+Qtv′(xt,xv)+Qst′(xs,xt))-ms→ut-1-mt→vt-1---(6)]]>

其中，上标表示当前的迭代序号。

Ps(xs)=D(xs)+Σi={a,b,c}mi→st-1(xs);]]>

Qsu(xs,xu)=V(xs,xu)+Σi={bd,ce}mi→sut-1(xs,xu);]]>

Qsu′=D(xs)+V(xs,xu)+ma→st-1(xs)+mc→st-1(xs)+mce→sut-1(xs,xu);]]>

Qtv′=D(xt)+V(xt,xv)+mb→tt-1(xt)+md→tt-1(xt)+mdf→tvt-1(xt,xv);]]>

均是缓存变量；

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，其传递方式和水平边传递相同；每一层次设定迭代次数，迭代完成后，将第i层的计算结果传递继承到第i+1层；

4)在最底层马尔可夫随机场求解完成后，按下式计算每个变量的代价值

Cst(xs)=Σi={a,b,c,d}mi→st(xs)---(7)]]>

然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。