一种基于置信传播的稀疏匹配算法研究

论文摘要

立体视觉是计算机视觉技术的一个重要分支,已广泛应用于三维测量、机器人视觉、虚拟现实等领域。立体匹配根据所选特征来计算,从而建立特征间的对应关系,是立体视觉中极为关键和困难的一步,它的目标是建立视差图。立体匹配有着广泛的应用前景,是计算机视觉领域的研究热点。基于全局约束的立体匹配问题一般被建模为一个能量最小化问题,在定义能量函数之后,使用各种优化方法来求其最小值。这些优化方法有动态规划、图割、置信传播(Belief Propagation, BP)等。图割算法和BP算法是全局立体匹配算法中效果较好的两类。不过这些算法运算时间比基于局部约束的算法多很多。本文中提出的立体匹配算法基于BP算法,并致力于降低算法的运算时间。Delaunay三角形(Delaunay Triangulation, DT)网格是一种图像描述形式。DT算法将图像特征点作为三角形的顶点从而生成一个基于图像内容的DT网格。利用网格节点的值对像素点进行插值能够有效地对图像进行恢复。本文首先系统地介绍了立体视觉和立体匹配的基本原理和基本步骤,然后分析了DT网格的性质和算法。本文充分利用DT网格在图像编码领域的优越性,提出了基于BP的稀疏立体匹配算法。算法实现如下：提取左图像的特征,获得稀疏的左图像,并使用这些特征得到一个内容自适应的DT网格；使用基于BP的立体匹配算法,匹配稀疏的左图像和右图像得到稀疏视差图,在保证匹配准确性的同时减少了算法的时间量；使用基于DT网格图像恢复技术,对稀疏视差图进行三角形内插值得到稠密视差图。实验结果表明,该方法在降低匹配时间的同时获得了精确度较高的视差图。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与选题意义
• 1.2 研究现状
• 1.3 研究内容与文章结构
• 第2章 基础理论研究
• 2.1 立体匹配
• 2.1.1 图像校正
• 2.1.2 立体匹配中的约束条件
• 2.1.3 立体匹配的难点
• 2.1.4 立体匹配算法分类
• 2.2 置信传播算法理论基础
• 2.2.1 马尔可夫随机场
• 2.2.2 立体匹配的MRF模型
• 2.2.3 置信传播算法
• 2.3 Delaunay三角形网格
• 本章小结
• 第3章 基于置信传播的稀疏匹配算法的提出
• 3.1 算法改进分析
• 3.2 图像特征提取
• 3.2.1 用于立体匹配的图像特征分析
• 3.2.2 边缘特征点提取
• 3.3 置信传播算法优化
• 3.3.1 消息计算方法的优化
• 3.3.2 消息更新的优化
• 3.3.3 多尺度的置信传播
• 3.4 图像恢复的插值处理
• 3.4.1 图像恢复的插值算法分析
• 3.4.2 基于Delaunay三角形网格的插值算法
• 本章小结
• 第4章 基于置信传播的稀疏匹配算法实现
• 4.1 算法总体结构
• 4.2 图像校正
• 4.3 图像稀疏表示和Delaunay三角形网格生成
• 4.4 立体匹配过程
• 4.5 恢复稠密视差
• 4.6 三维重建
• 本章小结
• 第5章 实验结果分析
• 5.1 立体匹配算法评判标准
• 5.2 立体匹配结果比较分析
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文