DOI QR코드

DOI QR Code

에너지 기반 스테레오 매칭에서의 정합 파라미터 추정에 관한 연구

A Study on Estimation of Regularizing Parameters for Energy-Based Stereo Matching

  • 한희일 (한국외국어대학교 정보통신공학과) ;
  • 류대현 (한세대학교 IT학부)
  • 투고 : 2010.11.17
  • 심사 : 2011.02.09
  • 발행 : 2011.02.28

초록

본 논문에서는 스테레오 이미지 생성 모델을 제시한 다음 이로부터 디스패리티를 구하는 과정을 유도하고 이의 해를 구하는 과정은 에너지 기반 스테레오 정합과 일치함을 수식으로 증명한다. 정합되는 화소 간의 차와 인근 화소에 해당되는 디스패리티의 차는 지수 확률분포에 근사하다는 사실을 실험적으로 확인하고 이에 근거하여 이들의 정합 파라미터를 최적화하는 식을 유도하고 이의 해법을 제시한다. 제안 알고리즘은 초기에 임의의 파라미터로 디스패리티 맵을 구한 후에 이의 통계적 특성을 이용하여 정합 파라미터를 추정하고 추정된 파라미터를 적용하여 디스패리티 맵을 재차 구하는 과정을 반복함으로써 최적의 파라미터에 적응적으로 수렴하도록 조정한다. 제안 알고리즘을 dynamic programming과 belief propagation 기반 스테레오 매칭 알고리즘에 각각 적용하여 구한 정합 파라미터가 수렴하는지를 조사하고 이의 수렴 속도와 성능 개선 효과 등을 확인한다.

In this paper we define the probability models for determining the disparity map given stereo images and derive the methods for solving the problem, which is proven to be equivalent to an energy-based stereo matching. Under the assumptions the difference between the pixel on the left image and the corresponding pixel on the right image and the difference between the disparities of the neighboring pixels are exponentially distributed, a recursive approach for estimating the MRF regularizing parameter is proposed. The proposed method alternates between estimating the parameters with the intermediate disparity map and estimating the disparity map with the estimated parameters, after computing it with random initial parameters. Our algorithm is applied to the stereo matching algorithms based on the dynamic programming and belief propagation to verify its operation and measure its performance.

키워드

참고문헌

  1. R. Hartley and A. Zisserman, "Multiple View Geometry in computer vision", Ch. 1,8,11,12 Cambridge Univ. Press 2000.
  2. E. Trucco and A. Verri, "Introductory techniques for 3-D computer vision," Prentice Hall, New Jersey, 1998.
  3. 김상명, 박장한, 남궁재찬, "스테레오 영상의 정합값을 통한 얼굴특징 추출 방법," 한국멀티미디어학회논문지, Vol.8, No.41호, pp.461-472, 2005년.
  4. Y. Ohta and T. Kanade, "Stereo by intra- and inter-scanline search using dynamic programming," IEEE Trans. Pattern Anal. Machine Intelligence, Vol.7, No.2, pp.139-154, 1985.
  5. W. E. L. Grimson, "Computational experiment with a feature based stereo algorithm," IEEE Trans. Pattern Anal. Machine Intelligence, Vol.7, pp.17-34, Jan. 1985.
  6. D. Geiger, B. Ladendorf, and A. Yuille, "Occlusions and binocular stereo,." Int. J. of Computer Vision, Vol.14, pp.211-226, 1995. https://doi.org/10.1007/BF01679683
  7. W. Miled, J. C. Pesquet, and M. Parent, "Dense disparity estimation from stereo images," Proc. ISIVC06, Yasmine Hammamat, September 2006.
  8. P.F. Felzenszwalb and D.P. Huttenlocher, "Efficient belief propagation for early vision," Proc Conf Computer Vision and Pattern Recognition, pp.261-268, 2004.
  9. J. Sun, N. N.Aheng, and H Y. Shum, "Stereo matching using belief propagation," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.25, No.7, pp.787-800, Jul 2003. https://doi.org/10.1109/TPAMI.2003.1206509
  10. J. S. Yedidia, W. T. Freeman, and Y. Weiss, "Understanding Belief propagation and its generalizations," TR-2001-22, Jan. 2002.
  11. S. Guan, R. Klette, and Y. W. Woo, "Belief propagation for stereo analysis of night-vision sequences," In Proc. PSIVT, LNCS 5414, pp.932-943, 2009.
  12. L. Zhang and S. M. Seitz, "Estimating optimal parameters for MRF stereo from a single image pair," pp.331-342, IEEE Trans. Pattern Anal. Machine Intelligence, Vol.29, No.2, Feb, 2007.
  13. 오광희, 임선영, 한희일, "Belief propagation 기반 스테레오 정합을 위한 정합 파라미터의 추정방식 제안," 전자공학회논문지, SP편, 47권 1호, pp.112-129, 2010년 1월.
  14. "Middlebury Stereo Vision Page," http://vision.middlebury.edu/stereo.
  15. D.Scharstein and R.Szeliski, "A taxonomy and evaluation of dense two-frame stereo correspondence algorithms," International Journal of Computer Vision, pp.5-42, 2002.

피인용 문헌

  1. Belief propagation stereo matching technique using 2D laser range finder vol.17, pp.2, 2014, https://doi.org/10.9717/kmms.2014.17.2.132
  2. Rapid Rigid Registration Method Between Intra-Operative 2D XA and Pre-operative 3D CTA Images vol.16, pp.12, 2013, https://doi.org/10.9717/kmms.2013.16.12.1454