图像匹配算法

LOGO
基本BP算法
定义： 边缘概率（Marginal Probability）：即某个事件发生的概率， 而与其它事件无关。边缘概率为各种状态下所有其他节点对本节点 影响的概率的和。
置信度：其计算方向为所有传入该点的信息与该点的本地信息 的乘积。
LOGO
基本BP算法
针对马尔可夫随机场，己知点的值是固定值，所以在联合概率分布函数中可以把代表己知点 和隐藏点的相互作用公式Фi(xi,yi)中的yi代入消去。现在包含马尔可夫场的所有隐藏点的联合概率 分布函数简化为:
1
CONTENTS
基本模型 基本置信度传播算法 BP算法应用于立体匹配 程序代码
目录
2 3 4
LOGO
基本BP算法
置信度传播算法是基于MRF模型的 置信传播算法的主要思想是，对于马尔可夫随机场中每一 个节点，通过信息传递，把该节点的概率分布状态传递给相邻 的节点，从而影响相邻节点的概率分布状态，经过一定次数的 迭代，每一个节点的概率分布将收敛于一个稳态。
MRF
LOGO
马尔科夫随机场
图中黑色点概率分布己知 的数据点，白色点为隐藏点， 表示未知量。白色点的概率分 布特性与它的四个直接相邻的 白色点及黑色点有相互作用， 而与其它不直接相邻的白色点 无关。
LOGO
马尔科夫随机场
状态值xi 观测值yi 状态值和观测值之间 的似然函数为Фi(xi,yi) 相邻邻居节点之间的 势能量为Ψij(xi,xj)
rgbreference = reference; reference = rgb2gray(reference);reference = double(reference); target = rgb2gray(target);target = double(target); [nr,nc] = size(reference);%图像大小 disp = zeros(nr,nc); leftgradient = zeros(nr,nc); leftgradient(:,2:end) = abs(reference(:,2:end)-reference(:,1:nc-1));%左梯度 leftgradient = leftgradient>T; rightgradient = zeros(nr,nc);
LOGO
置信度传播算法在 立体匹配中的应用
1
CONTENTS
基本模型 基本置信度传播算法 BP算法应用于立体匹配 程序代码
目录
2 3 4
LOGO
贝叶 斯网 络
基本模型
贝叶斯网络是一种概率网络，它是基于概率推理的图形化网
络，而贝叶斯公式则是这个概率网络的基础。基于概率推理的贝
叶斯网络是为了解决不定性和不完整性问题而提出的，它对于解 决复杂设备不确定性和关联性引起的故障有很大的优势，在多个 领域中获得广泛应用。
LOGO
程序代码
dmax = input('Input the disparity range(the max disparity)[16]:');%最大视差值，候选视差范围从0-dmax if isempty(dmax) dmax=16;%19 end sdmax='The disparity range is: 0--'; eval(['disp(''[' sdmax num2str(dmax) ']'')']); scalar = input('Input the disparity scalar when saved, scalar[16]:'); if isempty(scalar) scalar=16;%19 end disp('running....');
马尔科夫随机场包含着两层意思，一个是马尔科夫性质，一 个是随机场。马尔科夫性质是指一个随机变量序列按时间的顺序 依次排开的时候，它在第N+1时刻的分布特性与第N时刻以前的 随机变量没有任何关系。具备这种性质的问题就符合马尔科夫性 质。随机场是指当给每一个位置中按照某种分布随机赋予相空间 的一个值后，其全体就称之为随机场。
LOGO
BP与stereo-matching
构造能量函数
其中，D代表着像素本身的代价，又叫做一元势函数，V代表 不同标签产生的代价，又叫做点对势函数。这个公式就是想告诉 我ຫໍສະໝຸດ Baidu：一副图像的能量由每个节点的代价以及相邻节点各种标签 下所产生的代价和所决定。如果我们想要这个能量函数最小化， 一方面要尽可能压低各个节点的代价，另一方面，要考虑到各个 节点的相互作用。
LOGO
BP与stereo-matching
求解能量函数最小值 利用BP算法
1
CONTENTS
基本模型 基本置信度传播算法 BP算法应用于立体匹配 程序代码
目录
2 3 4
LOGO
clear; clc;
程序代码
T=4;%Plots平滑模型的梯度阈值 Truncation=20;%代价函数的截断阈值 P=4;%Plots模型参数 s=10;%Plos模型参数 D=50;%parameter for converting cost into compatibility exp(-C/D) iter=50;%belief propagation 算法的迭代次数 %公共参数 %图像名 imagename = input('Input the image pairs name, imagename[fabric]: '); if isempty(imagename) imagename = 'fabric'; end reference = imread([imagename 'left.png']);%参考图像左图像 disp(['The reference image is: ' imagename 'left.png']); target = imread([imagename 'right.png']);%目标图像 disp(['The target image is: ' imagename 'right.png']);
LOGO
基本BP算法
LOGO
基本BP算法
1
CONTENTS
基本模型 基本置信度传播算法 BP算法应用于立体匹配 程序代码
目录
2 3 4
LOGO
BP与stereo-matching
第一步
通过全局能量函数对图像的平滑项进行优化
基本 思路
第二步
根据置信度传播算法计算全局能量函数的最小值
第三部
根据置信度的最小值获得像素点的视差值，输出视差图像