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.