[发明专利]一种全景纵向漫游中极线匹配的置信传播方法

说明书

本发明提供一种全景纵向漫游中极线匹配的置信传播方法，将图像假设为马尔代夫随机场，通过对所有相邻节点的不同视差来标记置信度并做同时传播与多次迭代，来使得场景中每个节点在不同视差标记下的概率收敛，从而求出被标记的一对相关图像，通过前后摄像机拍摄得到每个节点置信度最大的视差标记作为该像素视差。本发明引入了纵向漫游中前后图像匹配，优化了匹配代价函数，并构建全景纵向漫游中视差与深度计算模型。由此构建的算法匹配精度更高。

技术领域

本发明属于图像处理领域，具体涉及极线匹配的置信传播算法，着重提高全景纵向漫游中场景图像深度图的精确性。

背景技术

置信传播算法是通过相邻节点之间的标记的置信度的相互影响来得到全局的最优解。传统的立体匹配算法多是基于特征特性的稀疏匹配,考虑到图像的纹理不连续和前景遮挡后景等问题,无法生成稠密视差图。局部方法虽然复杂度较低,但相比较而言全局匹配法的准确度更高,能更好的生成稠密视差图。目前为止具有代表性的全局匹配算法有图割算法[1-3]和置信传播[4-5]算法。全景多视点能够产生空间自由视点,增强用户的沉浸感和临场感。本技术可以更好地解决视点间图像匹配，并有助于全景多视点的漫游观光,虚拟游戏,以及教育教学的更深层次的视觉享受。

在目前已有的方法中，Sun等[4]把立体匹配问题看作马尔科夫网络,并创新性的引入了基于贝叶斯后验概率的置信传播的方法求取马尔科夫网络中的最大后验估计值。首次将置信传播算法应用在全局立体匹配中,用来解决能量函数最小化问题,并获得了精度极高的视差图,但实时性较差。Felzenszwalb等[5]关于实时性较差问题对标准置信传播算法做了三项重要改进:通过最小化卷积的距离变换和对四邻域的二维图像做奇偶场优化来降低时间复杂度,通过运用类似于金字塔的由粗到细的消息迭代算法来降低迭代次数。此方法有益于图像和视频更好的恢复和重建,但对能量函数的数据项和平滑项之间缺乏统筹考虑。

文献[6]提出先由分割得到粗略的深度图,并用置信传播算法不断进行迭代细化。文献[7]提出分层置信传播算法来不断减少视差搜索区域,对视差图不断进行优化。提升了匹配的精确度,但数据量较大运算较为复杂。文献[8]依据立体图像对相似的纹理区域差异先进行图像分割,然后将分割的区域作为匹配基元进行置信传播立体匹配。这样能量函数的数据项就分配给了像素值为常数的像素点,提高了遮挡区域的匹配精确度,但对图像平滑区域效果不明显。文献[9]提出了一种基于置信度传播和色度分割的全局匹配算法。构建全局优化模型,即采用循环置信度传播和色度分割相结合的全局匹配算法。

参考文献

1.Boykov Y,Veksler O,Zabih R.Fast approximate energy minimization viagraph cuts[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(11):1222-1239

2.Bleyer M,Gelautz M.Graph-cut-based stereo matching using imagesegmentation with symmetrical treatment of occlusions[J].Signal ProcessingImage Communication,2007,22(2):127-143

3.尹传历,刘冬梅,宋建中.改进的基于图像分割的立体匹配算法[J].计算机辅助设计与图形学学报,2008,20(6):808-812

4.Sun J,Zheng N N,Shum H Y.Stereo matching using belief propagation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(7):787-800