圖像匹配算法

1、置信度傳播算法在立體匹配中的應(yīng)用LOGO1基本模型2基本置信度傳播算法3BP算法應(yīng)用于立體匹配4程序代碼目錄 CONTENTSLOGOLOGO貝葉斯網(wǎng)絡(luò) 貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)，而貝葉斯公式則是這個(gè)概率網(wǎng)絡(luò)的基礎(chǔ)?；诟怕释评淼呢惾~斯網(wǎng)絡(luò)是為了解決不定性和不完整性問題而提出的，它對(duì)于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有很大的優(yōu)勢(shì)，在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。MRF 馬爾科夫隨機(jī)場(chǎng)包含著兩層意思，一個(gè)是馬爾科夫性質(zhì)，一個(gè)是隨機(jī)場(chǎng)。馬爾科夫性質(zhì)是指一個(gè)隨機(jī)變量序列按時(shí)間的順序依次排開的時(shí)候，它在第N+1時(shí)刻的分布特性與第N時(shí)刻以前的隨機(jī)變量沒有任何關(guān)系。具備這種性

2、質(zhì)的問題就符合馬爾科夫性質(zhì)。隨機(jī)場(chǎng)是指當(dāng)給每一個(gè)位置中按照某種分布隨機(jī)賦予相空間的一個(gè)值后，其全體就稱之為隨機(jī)場(chǎng)?；灸Ｐ蚅OGOLOGO貝葉斯網(wǎng)絡(luò))(EXxxp),(LTExxxpEXT,LELOGOLOGO馬爾科夫隨機(jī)場(chǎng) 圖中黑色點(diǎn)概率分布己知的數(shù)據(jù)點(diǎn)，白色點(diǎn)為隱藏點(diǎn)，表示未知量。白色點(diǎn)的概率分布特性與它的四個(gè)直接相鄰的白色點(diǎn)及黑色點(diǎn)有相互作用，而與其它不直接相鄰的白色點(diǎn)無關(guān)。LOGOLOGO馬爾科夫隨機(jī)場(chǎng) 狀態(tài)值xi 觀測(cè)值yi 狀態(tài)值和觀測(cè)值之間的似然函數(shù)為i(xi,yi) 相鄰鄰居節(jié)點(diǎn)之間的勢(shì)能量為ij(xi,xj)1234目錄 CONTENTS基本模型基本置信度傳播算法BP算法應(yīng)用

3、于立體匹配程序代碼LOGOLOGO置信度傳播算法是基于MRF模型的 置信傳播算法的主要思想是，對(duì)于馬爾可夫隨機(jī)場(chǎng)中每一個(gè)節(jié)點(diǎn)，通過信息傳遞，把該節(jié)點(diǎn)的概率分布狀態(tài)傳遞給相鄰的節(jié)點(diǎn)，從而影響相鄰節(jié)點(diǎn)的概率分布狀態(tài)，經(jīng)過一定次數(shù)的迭代，每一個(gè)節(jié)點(diǎn)的概率分布將收斂于一個(gè)穩(wěn)態(tài)。 基本BP算法LOGOLOGO定義： 邊緣概率（Marginal Probability）：即某個(gè)事件發(fā)生的概率，而與其它事件無關(guān)。邊緣概率為各種狀態(tài)下所有其他節(jié)點(diǎn)對(duì)本節(jié)點(diǎn)影響的概率的和。 置信度：其計(jì)算方向?yàn)樗袀魅朐擖c(diǎn)的信息與該點(diǎn)的本地信息的乘積。 基本BP算法LOGOLOGO基本BP算法 針對(duì)馬爾可夫隨機(jī)場(chǎng)，己知點(diǎn)的值是固

4、定值，所以在聯(lián)合概率分布函數(shù)中可以把代表己知點(diǎn)和隱藏點(diǎn)的相互作用公式i(xi,yi)中的yi代入消去?，F(xiàn)在包含馬爾可夫場(chǎng)的所有隱藏點(diǎn)的聯(lián)合概率分布函數(shù)簡(jiǎn)化為:LOGOLOGO基本BP算法LOGOLOGO基本BP算法1234目錄 CONTENTS基本模型基本置信度傳播算法BP算法應(yīng)用于立體匹配程序代碼LOGOLOGO第一步基本思路 通過全局能量函數(shù)對(duì)圖像的平滑項(xiàng)進(jìn)行優(yōu)化第二步根據(jù)置信度傳播算法計(jì)算全局能量函數(shù)的最小值第三部根據(jù)置信度的最小值獲得像素點(diǎn)的視差值，輸出視差圖像BP與stereo-matchingLOGOLOGOBP與stereo-matching構(gòu)造能量函數(shù) 其中，D代表著像素本身的

5、代價(jià)，又叫做一元?jiǎng)莺瘮?shù)，V代表不同標(biāo)簽產(chǎn)生的代價(jià)，又叫做點(diǎn)對(duì)勢(shì)函數(shù)。這個(gè)公式就是想告訴我們：一副圖像的能量由每個(gè)節(jié)點(diǎn)的代價(jià)以及相鄰節(jié)點(diǎn)各種標(biāo)簽下所產(chǎn)生的代價(jià)和所決定。如果我們想要這個(gè)能量函數(shù)最小化，一方面要盡可能壓低各個(gè)節(jié)點(diǎn)的代價(jià)，另一方面，要考慮到各個(gè)節(jié)點(diǎn)的相互作用。LOGOLOGOBP與stereo-matching求解能量函數(shù)最小值利用BP算法1234目錄 CONTENTS基本模型基本置信度傳播算法BP算法應(yīng)用于立體匹配程序代碼LOGOLOGO程序代碼clear;clc;T=4;%Plots平滑模型的梯度閾值Truncation=20;%代價(jià)函數(shù)的截?cái)嚅撝礟=4;%Plots模型參數(shù)s=

6、10;%Plos模型參數(shù)D=50;%parameter for converting cost into compatibility exp(-C/D)iter=50;%belief propagation 算法的迭代次數(shù)%公共參數(shù)%圖像名imagename = input(Input the image pairs name, imagenamefabric: );if isempty(imagename) imagename = fabric;endreference = imread(imagename left.png);%參考圖像左圖像disp(The reference image

7、 is: imagename left.png);target = imread(imagename right.png);%目標(biāo)圖像disp(The target image is: imagename right.png);LOGOLOGO程序代碼dmax = input(Input the disparity range(the max disparity)16:);%最大視差值，候選視差范圍從0-dmaxif isempty(dmax) dmax=16;%19endsdmax=The disparity range is: 0-;eval(disp( sdmax num2str(dma

8、x) );scalar = input(Input the disparity scalar when saved, scalar16:);if isempty(scalar) scalar=16;%19enddisp(running.);rgbreference = reference;reference = rgb2gray(reference);reference = double(reference);target = rgb2gray(target);target = double(target);nr,nc = size(reference);%圖像大小disp = zeros(n

9、r,nc);leftgradient = zeros(nr,nc);leftgradient(:,2:end) = abs(reference(:,2:end)-reference(:,1:nc-1);%左梯度leftgradient = leftgradientT;rightgradient = zeros(nr,nc);rightgradient(:,1:nc-1) = abs(reference(:,1:nc-1)-reference(:,2:end);%右梯度rightgradient = rightgradientT;upgradient = zeros(nr,nc);upgradient(2:end,:) = abs(reference(2:end,:)-reference(1:nr-1,:);%上梯度upgradien