信任扩散算法解决计算机视觉问题(Belief Propagation for Computer Vision)
来源:互联网 发布:2016织梦小说网站源码 编辑:程序博客网 时间:2024/06/06 18:41
Markov Random Field(MRF)为解决计算机视觉问题提供了一种鲁棒而且统一的框架,Gruph Cuts和Belief Propagation(BP)算法是计算MRF的常用方法。BP算法能够很好的解决编号(label)为离散情况下的Labeling Problem,即PL2、PL3问题[1]。这里简要介绍BP算法。
一般MRF的能量可以表示为下面的形式:
第一项表示将编号(label)f_p附给p的代价,第二项衡量把编号f_p和f_q同时附给两个邻居节点p和q的代价。P表示MRF中所有的节点,N表示邻居(neighbor),在图像中比如4领域和8领域邻居。如果用BP算法中Max-Product的方法,则节点之间传送的消息(message)的公式可表示成:
初始化时(即t=0时),可以令每个消息m为0。
BP的过程是这样的:针对每个节点p,计算其向邻居q扩散的信息。先确定q的值,然后在p的取值空间中计算寻找使message最小的p,由于p和q的取值空间就是编号(label)空间,假设有k个不同编号,则计算p向不同取值的q传递消息的计算复杂度是O(k^2)。若MRF有n个节点,则消息在所有节点间传递一遍的计算复杂度是O(nk^2)。如果这种消息传递T遍,则计算复杂度是O(nk^2T)。在某些情况下,这一计算复杂度可以降到线性的水平O(nkT)[2]。
在经过消息传播T遍后,就可以计算每个节点p的信任向量了,计算公式如下:
对每个节点p,b_q(f_q)向量中最小的元素对应的f_q就是节点q在MRF中的解。
下面的图分别现实了采用MRF模型和BP算法解决图像深度信息分析和图像重构问题[2]。
图1和2分别是相机从左右两个角度拍摄的照片,图3是恢复的深度信息,不同灰度标记不同的深度。
图4,5,6是图像重构的示意图。
参考文献:
[1]Stan Z.Li, Markov Random Field Modeling in Image Analysis, Spinger-Verlag.
[2]Pedro F.Felzenszwalb, Efficient Belief Propagation for Early Vision.
[3]Yair Weiss, Belief Propagation and Revision in Networks with Loops.
- 信任扩散算法解决计算机视觉问题(Belief Propagation for Computer Vision)
- Belief Propagation 解决计算机视觉问题
- 计算机视觉(Computer Vision)参考资料
- 计算机视觉(Computer Vision)基本概念
- 计算机视觉和模式识别中的稀疏表示(Sparse Representation for Computer Vision and Pattern Recognition)
- 计算机视觉和模式识别中的稀疏表示(Sparse Representation for Computer Vision and Pattern Recognition)
- 德国计算机视觉研究机构及企业(computer vision)
- Computer Vision(计算机视觉)方面的期刊会议
- 七步带你认识计算机视觉(Computer Vision)
- 七步带你认识计算机视觉(Computer Vision)[转载]
- 计算机视觉开源库/Computer Vision Algorithm Implementations
- 计算机视觉Computer Vision网址导航
- 计算机视觉Computer Vision领域博客资源
- 置信度传播算法(Belief Propagation)
- 置信度传播算法(Belief Propagation)
- 图像处理和计算机视觉中的Gabor滤波:Gabor filter for image processing and computer vision
- 计算机视觉计算理论与算法基础-computer vision algorithms and the theoretical calculation based
- Computer Vision: Algorithms and Applications 计算机视觉:算法与应用 翻译工作 序
- asp.net google样式的分页
- ajax文件下载
- 最短路径--狄克斯特拉(Dijkstra)
- 内存池的简单试验(C++)
- java程序员面试之150++
- 信任扩散算法解决计算机视觉问题(Belief Propagation for Computer Vision)
- VC使用位图和图标制作按钮
- FormEasyUC
- 简化sql中union all
- VC++调用带参数的存储过程
- WEB编辑
- Windows系统中鼠标乱动是否中了病毒
- 交叉编译场景分析
- VC++数据库连接池