圖像匹配算法

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

2、質的問題就符合馬爾科夫性質。隨機場是指當給每一個位置中按照某種分布隨機賦予相空間的一個值后，其全體就稱之為隨機場?；灸Ｐ蚅OGOLOGO貝葉斯網(wǎng)絡)(EXxxp),(LTExxxpEXT,LELOGOLOGO馬爾科夫隨機場 圖中黑色點概率分布己知的數(shù)據(jù)點，白色點為隱藏點，表示未知量。白色點的概率分布特性與它的四個直接相鄰的白色點及黑色點有相互作用，而與其它不直接相鄰的白色點無關。LOGOLOGO馬爾科夫隨機場 狀態(tài)值xi 觀測值yi 狀態(tài)值和觀測值之間的似然函數(shù)為i(xi,yi) 相鄰鄰居節(jié)點之間的勢能量為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，對于馬爾可夫隨機場中每一個節(jié)點，通過信息傳遞，把該節(jié)點的概率分布狀態(tài)傳遞給相鄰的節(jié)點，從而影響相鄰節(jié)點的概率分布狀態(tài)，經(jīng)過一定次數(shù)的迭代，每一個節(jié)點的概率分布將收斂于一個穩(wěn)態(tài)。 基本BP算法LOGOLOGO定義： 邊緣概率（Marginal Probability）：即某個事件發(fā)生的概率，而與其它事件無關。邊緣概率為各種狀態(tài)下所有其他節(jié)點對本節(jié)點影響的概率的和。 置信度：其計算方向為所有傳入該點的信息與該點的本地信息的乘積。 基本BP算法LOGOLOGO基本BP算法 針對馬爾可夫隨機場，己知點的值是固

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和隱藏點的相互作用公式i(xi,yi)中的yi代入消去?，F(xiàn)在包含馬爾可夫場的所有隱藏點的聯(lián)合概率分布函數(shù)簡化為: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)對圖像的平滑項進行優(yōu)化第二步根據(jù)置信度傳播算法計算全局能量函數(shù)的最小值第三部根據(jù)置信度的最小值獲得像素點的視差值，輸出視差圖像BP與stereo-matchingLOGOLOGOBP與stereo-matching構造能量函數(shù) 其中，D代表著像素本身的

5、代價，又叫做一元勢函數(shù)，V代表不同標簽產(chǎn)生的代價，又叫做點對勢函數(shù)。這個公式就是想告訴我們：一副圖像的能量由每個節(jié)點的代價以及相鄰節(jié)點各種標簽下所產(chǎn)生的代價和所決定。如果我們想要這個能量函數(shù)最小化，一方面要盡可能壓低各個節(jié)點的代價，另一方面，要考慮到各個節(jié)點的相互作用。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;%代價函數(shù)的截斷閾值P=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