تخمین عمق در تصاویر دو چشمی به روش انتشار باور

امروزه نمایش سه بعدی توجه بیشتری را نسبت به گذشته به خود معطوف کرده است. یکی از موضوعات مهم در این زمینه، استخراج نقشه ی عمق است. در سیستم های بینایی استریو، دید مختلف ناشی از دو چشم منجر به جابه جایی نسبی اندکی از اشیای مشابهی برای هر چشم می شود. سیستم بینایی انسان این جابه جایی نسبی بین چشم چپ و راست را برای تخمین اطلاعات عمق تصویر و درک سه بعدی آن به کار می برد. مدل میدان تصادفی مارکف، بستر مناسبی برای مسائلی مانند تطبیق استریو و بازسازی تصویر فراهم می کند. الگوریتم های استنتاج بر پایه ی روش های عمومی مانند برش گراف و انتشار باور، با وجود ایجاد نقشه ی عمق مناسب، برای کاربردهای عملی زمان زیادی می گیرند. با کمک ترکیب چند روش می توان به طور قابل توجهی زمان اجرای الگوریتم انتشار باور را بهبود داد. در این پژوهش یک روش جدید برای تطبیق استریو بر اساس الگوریتم های عمومی بیان شده است. در این روش از الگوریتم انتشار باور سلسله مراتبی و الگوریتم تقاطعی و تعیین ناحیه پشتیبانی با این فرض که پیکسل های همسایه و دارای رنگ مشابه، مقدار اختلاف مشابهی دارند، استفاده شده است. محاسبه بی درنگ یک نقشه ی مقادیر اختلاف چالش هایی را دارد. در پیاده سازی بی درنگ الگوریتم تطبیق استریو عواملی مانند پیچیدگی محاسباتی و حافظه ی مورد نیاز اهمیت دارند. در روش ارائه شده برای انجام تطبیق اولیه از انتشار باور سلسله مراتبی و بررسی سازگاری نقشه های چپ و راست استفاده شده است. در ادامه برای بهبود دقت نقشه ی مقادیر اختلاف از روش ناحیه پشتیبانی استفاده شده است. استفاده از الگوریتم انتشار باور موجب کاهش حجم حافظه ی مورد استفاده شده و زمان اجرا را نیز بهبود می دهد. در این پایان نامه با استفاده از یک روش کارآمد، تعداد تکرارها و در نتیجه هزینه ی محاسباتی کاهش یافته است. استفاده از الگوریتم انتشار باور سلسله مراتبی به همراه روش تقاطعی، موجب همگرایی سریع تر و بهبود نتایج در نزدیکی مرزهای تصویر می شود. ارزیابی و مقایسه ی عملکرد الگوریتم ارائه شده با سیستم ارزیابی میدلبری و نتایج به دست آمده نشان می دهد که این روش افزایش 1/375 برابری میانگین سرعت و کاهش میانگین خطا از 8/84 به 7/27 درصد را بر روی تصاویر مرجع نشان داده است. به علاوه مقدار انرژی با به کارگیری الگوریتم انتشار باور سلسله مراتبی در مقایسه با حالت استاندارد آن کاهش می یابد و الگوریتم تطبیق استریو با سرعت بیشتری همگرا می شود.