[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

说明书

技术领域

本发明涉及图像处理、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。

背景技术

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[M](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[J](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[J](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 onInformation Theory.2005，51(11)：3697-3717.)和(Kolmogorov V..Convergent tree-reweighted message passing for energy minimization[J](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[J](对基于光滑先验概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 MachineIntelligence.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。