GIẢI PHÁP NÂNG CAO TỐC ĐỘ CỦA THUẬT TOÁN BELIEF PROPAGATION CHO HỆ THỐNG THỊ GIÁC NỔI

Tóm tắt

Thị giác nổi (Stereo vision) là một trong chủ đề quan trọng trong thị giác máy (Computer vision). Hiện nay đã có nhiều tác giả nghiên cứu và thực hiện kỹ thuật thị giác nổi với nhiều giải pháp khác nhau. Một trong các giải pháp thực hiện thị giác nổi có hiệu quả là dùng trường ngẫu nhiên Markov MRFs (Markov Random Fields). MRFs là sự kết hợp giữa lý thuyết xác suất và mô hình đồ thị để tạo ra các thuật toán suy diễn gần đúng như thuật toán GC (Graph cut) và thuật toán BP (Belief propagation). Bài báo này chỉ ra một số mô hình của MRFs và đề xuất thuật toán CFBP (Coarse to Fine Belief Propagation) để thực hiện kỹ thuật thị giác nổi với ảnh stereo camera có độ phân giải cao. Tác giả thực hiện mô phỏng và so sánh tốc độ của thuật toán đề xuất CFBP với thuật toán BP tiêu chuẩn. Kết quả chỉ ra rằng thuật toán đề xuất nâng cao được tốc độ xử lý gấp 2 lần so với thuật toán BP tiêu chuẩn.