본 논문에서는 스테레오 이미지로부터 디스패리티 맵을 추출하기 위한 확률모델을 제시하고 이의 해를 구하는 과정은 에너지 기반 스테레오 정합과 일치함을 이론적으로 증명한다. 정합되는 화소 간의 차와 인근 화소에 해당되는 디스패리티의 차는 exponential 확률분포에 근사하다는 사실을 실험적으로 확인하고 이에 근거하여 이들의 정합 파라미터를 최적화하는 식을 유도하고 이를 실험적으로 구하는 방법을 제시한다. 에너지 기반 스테레오 정합 알고리즘의 성능은 기본적으로 정합 파라미터의 크기에 매우 민감하므로 이미지에 따라 적절한 값을 사전에 구하여 적용하여야 한다. 제안한 방식은 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. 따라서, 이미지에 따라 사전에 정합 파라미터를 구하여야 하는 문제를 해결할 수 있다. Middlebury 웹사이트에서 제공한 다양한 스테레오 이미지를 이용하여 제안한 방식으로 구한 파라미터가 최적의 값으로 수렴하는지를 조사하고 이의 수렴 속도와 성능 개선 효과 등을 확인한다.
This paper defines the probability models for determining the disparity map given stereo images and derives 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. Usually energy-based stereo matching methods are so sensitive to the parameter that it should be carefully determined. The proposed method alternates between estimating the parameter with the intermediate disparity map and estimating the disparity map with the estimated parameter, after computing it with random initial parameter. It is shown that the parameter estimated by the proposed method converges to the optimum and its performance can be improved significantly by adjusting the parameter and modifying the energy term.
