簡論置信基于彩色圖像分割的置信傳播快速立體匹配算法學術(shù)論文下載

1、簡論置信基于彩色圖像分割的置信傳播快速立體匹配算法學術(shù)論文下載    摘要：本文采用了一種基于彩色圖像分割和置信傳播相結(jié)合的快速立體匹配算法。對于已經(jīng)校準好的兩幅圖像，首先采用均值漂移算法對彩色圖像進行圖像分割，然后采用區(qū)域匹配算法進行快速初始立體匹配，再采用左右一致性校驗法濾除誤匹配點，得到初始視差圖以及各個區(qū)域的視差平面模板。最后采用置信傳播算法對獲得的視差平面模板進行全局優(yōu)化，得到各個區(qū)域最優(yōu)視差平面模板，從而得到最終視差圖。實驗結(jié)果表明，采用區(qū)域匹配與全局優(yōu)化算法相結(jié)合，不僅提高了立體匹配速度，同時也保證了匹配質(zhì)量。關(guān)鍵詞：圖像分割 均值漂移算法

2、 置信傳播 立體匹配1007-9416（2013）01-0115-031 引言立體匹配是雙目立體視覺系統(tǒng)中最重要也是最困難的一部分，是三維重建的核心技術(shù)。立體匹配實際上是對左右兩臺攝像機從不同視點看同一景物，在左右兩幅圖像重疊區(qū)域?qū)ふ覍c的過程。它利用空間物體點在左右攝像機中的成像模型來獲取成像偏差的過程。按照約束方式的不同，立體匹配算法可分為區(qū)域匹配算法和全局匹配算法。按照匹配基元的不同，立體匹配算法分為基于區(qū)域的匹配算法、基于特征的匹配算法和基于相位的匹配算法。然而，基于區(qū)域的匹配算法對光照強度和對比度的變化非常敏感，同時匹配窗口的選取也是一個難點，當圖像存在紋理特征重復和遮擋現(xiàn)象比較嚴

3、重的情況下，會引起匹配混淆，錯誤匹配概率較高?；谌值钠ヅ渌惴?，如圖割算法、置信度擴展34和動態(tài)規(guī)劃5等算法能夠?qū)φ麄€圖像進行有效的約束，匹配結(jié)果也較局部匹配算法精確，但是實時性不好，匹配時間過長。本文主要是針對局部匹配算法和全局匹配算法的缺點和不足，采用了一種基于區(qū)域匹配與全局匹配算法相結(jié)合的算法，來提高雙目立體匹配的效率，增強立體匹配算法的實時性。首先，利用均值漂移算法6對左右兩幅圖像進行彩色圖像分割，再使用NCC相似度測量計算相關(guān)度，得到初始匹配視差圖；其次，引入置信度的概念，針對大的遮擋區(qū)域和低紋理區(qū)域中置信度低的區(qū)域，取鄰域相關(guān)系數(shù)最大的視差值；最后，對邊緣像素進行修正，并對整個視

4、差圖進行濾波從而得到效果精確的視差圖，用來檢驗匹配算法的精確性。2 基于均值漂移算法的彩色圖像分割在雙目立體匹配中，圖像分割對獲取視差平面方程有著重要作用。圖像分割主要是根據(jù)圖像中的顏色信息，將顏色相同或者相似的相鄰像素點劃分為同一個區(qū)域，從而將整幅圖像分割成顏色相同或者近似的區(qū)域，并將同一個區(qū)域內(nèi)所有像素點的視差分布用某個視差平面方程來表示，以此得到圖像的視差圖。Fukunaga7首先提出了均值漂移算法，Cheng8改進了均值漂移算法中的核函數(shù)和權(quán)重函數(shù)，并將其應用于聚類和全局優(yōu)化，從而擴大了該算法的應用范圍。近年來，均值漂移算法也被廣泛應用于圖像分割和追蹤等計算機視覺領域，并取得了較好的效

5、果。均值漂移算法是結(jié)合圖像像素點的顏色信息和周圍空間的分布特性之間的關(guān)系，沿著平均梯度方向找出每個像素點的相似顏色收斂點，根據(jù)收斂點的不同而劃分不同的區(qū)域，從而實現(xiàn)圖像分割。改進的均值漂移定義如下：（1）其中，為不同樣本點到中心樣本點的不同距離對偏移向量的不同貢獻而引入的核函數(shù)權(quán)值，（2）H為一個對角矩陣，（3）即 （4）從而，（1）式可以變?yōu)椋?）為體現(xiàn)樣本點重要性的權(quán)重系數(shù)，；為核函數(shù)，它決定了采樣點與核中心x之間的相似性度量；本文采用單位高斯核函數(shù)，令（6）前面（5）式可以變?yōu)槿缦拢?）其中 （8）Mh（x）表示加權(quán)平均偏移向量，指向概率密度梯度方向，則mh（x）可以看成是樣本點沿著概

6、率密度梯度方向偏移后的樣本點。在已知G（x）和w（xi）的情況下，根據(jù)式（8）進行迭代會收斂到待漂移樣本點附近的概率分布密度峰值處。迭代步驟如下：（1）首先，在特征空間中任意選擇初始搜索區(qū)域圓，設置其搜索半徑和誤差閾值；（2）根據(jù)式（8）計算圓中采樣點的均值mh（x），判斷是否滿足| mh（x）-x|<，則停止循環(huán)，否則進入步驟3）；（3）令x=mh（x），繼續(xù)返回第一步開始循環(huán)。采用均值漂移算法對圖像進行分割之后的效果圖如圖1所示。3 區(qū)域匹配區(qū)域匹配算法主要是以一幅圖像中某一個待匹配點的灰度鄰域作為匹配模板，然后在另外一幅待匹。    當于通過

7、置信傳播算法求取圖像的精確稠密視差圖。采用置信傳播算法就是采用消息傳輸機制實現(xiàn)置信度最大化，即實現(xiàn)馬爾科夫隨機場最大概率分布，即是實現(xiàn)全局能量函數(shù)的最小化。定義全局能量函數(shù)為：（13）其中d表示整幅圖像的視差分配，N表示圖像中所有像素的四鄰域點集，dp表示點p所分配的視差值，平滑項V（dp，dq）表示兩配的圖像中搜索具有相似灰度值分布的對應點鄰域，從而完成兩幅圖像的匹配。區(qū)域匹配效率高，而且實現(xiàn)也比較簡單。但在匹配的過程中也需要考慮匹配窗口的大小，而且搜索過程也需要滿足一定的閾值條件。區(qū)域匹配中代價函數(shù)是用來計算圖像間像素的相似性的源于：畢業(yè)設計論文網(wǎng)測量函數(shù)。常用的代價函數(shù)主要有絕對灰度差和

8、SAD（sum of absolute difference），歸一化互相關(guān)NCC（normalized cross correlation），灰度平方差和SSD（sum of square difference）等。對于立體圖像對，假設I1和I2分別表示左右圖像對的灰度函數(shù)，I1（x，y）和I2（x，y） 分別表示左右圖像坐標為（x，y）的像素點的灰度值，（x，y）為左圖像中心像素點，d表示該點的視差值，那么，上述相似性度量函數(shù)公式為：絕對灰度差和SAD（9）歸一化互相關(guān)NCC（10）灰度平方差和SSD（11）經(jīng)過實驗結(jié)果對比，決定選用NCC作為區(qū)域匹配的測度函數(shù)。各代價函數(shù)求得的視察效果圖

9、如圖2所示。     區(qū)域匹配中，匹配窗口的大小難以選擇，所以本文采用自適應窗算法，該算法詳細步驟如下：（1）設定初始匹配窗口的大小為3*3；（2）將窗口的沿上、下、左、右四個方向分別向外擴展一個像素點的大小，判斷此時窗口內(nèi)包含的像素點是否超過規(guī)定閾值，若超過，則停止，否則繼續(xù)執(zhí)行下一步；（3）記錄此時窗口的大小，以左圖像的該像素區(qū)域窗口作為模板，在右圖像中進行匹配，記錄此時得到的視差值為d1，之后再以右圖像的該像素區(qū)域窗口作為模板，在左圖像中進行匹配，記錄此時得到的視差值為d2；（4）比較d1和d2的大小，若d1=-d2，則記錄此像素點視差值為d=d1

10、，否則令d=0。4 置信播算法進行模板視差最優(yōu)分配通過區(qū)域匹配得到的視差平面模板不夠精確，只考慮了模板內(nèi)像素點之間的影響，而沒有考慮到區(qū)域塊間的相互影響。本文采用全局匹配算法置信傳播算法對初始視差平面模板進行全局優(yōu)化，從而得到更加精確稠密的視差圖。置信傳播算法主要是利用消息傳輸和置信度傳輸機制來實現(xiàn)全局能量函數(shù)的最小化的。4.1 置信傳播算法原理將馬爾科夫隨機場應用于立體圖像對中，將立體圖像對中的參考圖看成是一個無向圖V，每個像素點看成一個節(jié)點X，每個像素點的視差值看成是該像素點的狀態(tài)，即無向圖的勢函數(shù)，建立圖像的馬爾科夫隨機場模型。此時，求取立體圖像的最優(yōu)視差分布即可看成是求馬爾科夫隨機場的

11、最大概率分布。通過對立體匹配過程中不同區(qū)域視差規(guī)律的分析，利用貝葉斯定理得到的馬爾科夫隨機場后驗概率分布可簡寫為：（12）其中D為圖像的視差分布，I為立體圖像對，E為全局能量函數(shù)。由（12）可知，求取馬爾科夫隨機場的最大概率分布的過程即是求立體匹配全局能量函數(shù)最小化的過程。即求馬爾科夫隨機場分布最大后驗概率就相當于通過置信傳播算法求取圖像的精確稠密視差圖。采用置信傳播算法就是采用消息傳輸機制實現(xiàn)置信度最大化，即實現(xiàn)馬爾科夫隨機場最大概率分布，即是實現(xiàn)全局能量函數(shù)的最小化。定義全局能量函數(shù)為：（13）其中d表示整幅圖像的視差分配，N表示圖像中所有像素的四鄰域點集，dp表示點p所分配的視差值，平滑

12、項V（dp，dq）表示兩相鄰像素點p和點q分配視差dp和dq時的視差不連續(xù)懲罰量，P表示圖像中像素點的集合，數(shù)據(jù)項Dp（dp）表示p點視差為dp時非相似性測度。若某個視差分配使該全局能量函數(shù)最小，則該視差分配即為圖像的最終視差圖。置信傳播算法的消息迭代傳輸：（14）mtpq（dq）表示第t次迭代時點p傳輸給視差值為dp的鄰域點q的消息，表示視差搜索空間范圍，N（p）表示點p的四鄰域集， N（p）q表示點p的三鄰域集，它不包括接收消息的點q。經(jīng)過T次迭代后，消息傳輸趨于穩(wěn)定，此時可通過置信度傳輸計算圖像中各個像素點的置信度，計算點p置信度的公式為：（15）圖中各個像素點的最佳視差可以通過最小化置

13、信度獲得，計算點p的最佳視差d*p的公式為：（16）4.2 置信傳播算法的改進多，數(shù)量龐大，也大大增加了算法計算量。而且圖像中可能存在單個像素點畸變，如果使用這些畸變像素點進行消息傳輸，會大大降低算法的精度。本文引入圖像分割的思想，采用基于分割區(qū)域之間的置信度傳播，用每個分割區(qū)域代替單個像素點，顯著提高了立體匹配的速度。5 實驗結(jié)果本文實驗所采用的立體圖像對來自于美國Middlebury大學計算機視覺研究中心提供的立體圖像數(shù)據(jù)庫。其中主要對384x288的Tsukuba測試圖像進行求取視差圖的仿真實驗。計算機硬件條件為：雙核CPU，主頻為1.99GHz，內(nèi)存為2G。軟件編譯環(huán)境為VC2008和

14、Matalb2008。本文采用BM（Block Matching）、SGBM（Semi-global BM）以及GC（Graph Cut）算法求得的視差圖分別與本文算法所求得的視差圖效果以及時間上進行比較，視差效果圖對比如圖3所示，匹配耗費時間對比列于表1。BM、SGBM速度快，但視差圖效果不好，GC視差效果好，但熬時多，本文匹配算法結(jié)合各種匹配算法的優(yōu)缺點，在精度和速度之間進行權(quán)衡，得出的視差圖更加精確，且速度與單獨使用全局匹配算法GC圖割算法相比，有了很大的提高。6 結(jié)語本文采用的是區(qū)域匹配與全局匹配相結(jié)合的立體匹配算法，解決了區(qū)域匹配算法存在的一些問題，如匹配窗口的大小難以選擇、若左右兩

15、幅圖像存在重復結(jié)構(gòu)的紋理特征或者存在遮擋現(xiàn)象引起的匹配混淆等。采用改進的置信傳播算法，用分割的區(qū)域塊代替原始的像素點之間的匹配計算，減少了匹配所用的時間，同時也可以得到精確稠密的視差圖。參考文獻 Pedro F. Felzenszwalb ， Ramin Zabih， Dynamic Programming and Graph Cut Algorithms in Computer VisionJ. In IEEE Transactions on Pattern Analysis and Machine.Intelligence， 2011：721-740.3 Q. Yang， L. Wang，

16、 R. Yang， H. Stewenius， and D. Nister，“Stereo matching with color-weighted correlation， hierarchical belief propagation， and occlusion handling，”J.IEEE Transactions on Pattern Analysis and Machine Intelligence， 2008（31）： 492-504.4 Klaus，A. Sormann，M. Karner，K. Segment-Based Stereo Matching Using Bel

17、ief Propagation and a Self-Adapting Dissimilarity Measure. Pattern Recognition，2006. ICPR2006.18th International Conference， 2006：15-18.6 Comaniciu D， Meer P. Mean shift analysis and applicationsC. International Conference on Computer Vision， 1999： 1197-1203.    （1）： 32-408 Cheng Y Z. M