一种采用自适应机制的分层置信传播算法.pdfVIP

第 28 卷第 5 期 中国科学院研究生院学报 Vol. 28 No.S 2011 年 9 月 Joumal of Graduate Unive四ity of Chinese Academy of Sciences September 2011 文章编号:1ω2-1175(2011)05-0630-06 一种采用自适应机制的分层置信传播算法* 池凌鸿f ，郭立，郁理，陈运必 (中国科学技术大学电子科学与技术系，合肥 23∞27) (2010 年7 月 20 日收稿; 2010 年 11 月 15 日收修改稿) Chi L H , Guo L , Yu L , et al. A self-adaptive hierarchical beUef propagation algorithm [ J]. Journal of Graduate University of Chinese Academy of Sciences , 2011 ,28(5) :630 -635. 摘要 提出了一种基于迭代自适应机制的改进算法，有效地缩减了分层置信传播算法 (HBP) 的计算时间.传统 HBP 计算时间随指定的迭代上限增加而线性增长.为此引入消息收 敛的条件判断，在迭代上限相同情况下，减少算法的迭代次数，缩减整体迭代时间.实验表明， 与传统 HBP 相比，该方法计算时间缩减了 38% 以上，计算时间对整体迭代上限不敏感.该方法 可以应用于使用 HBP 算法的其他方法. 关键词 置信传播，自适应，立体匹配，图像修复 中固分类号 TP39 1. 4 马尔科夫随机场(Markov random field ,MRF) 模型是计算机初级视觉研究领域经常使用的模型.很 多计算机初级视觉的问题都能转化成求解 MRF 能量最小化问题来研究.但是 MRF 能量最小化问题是 个 NP 问题，因此人们提出一些基于推断(inference )的算法来求取其近似解[1] 置信传播算法(belief propagation ,BP) 是其中比较有代表性的算法.标准 BP 算法由于需要遍历各节点取值范围，不断迭代更 新消息，计算效率比较低- Felzenszwalb 等人提出了分层置信传播(hierarchical BP , HBP) 算法IZ] ，采用了分层预测消息初始 值、二分图节点交替更新消息和线性距离转化3 项措施来改进计算效率，使得 BP 算法能够通过相对较 少的迭代收敛至能量最小值，在不损失性能的前提下有效地改进了标准 BP 算法的迭代效率. Brunton[31 、 Yang[~l 和 Grauer-Gray川等则尝试利用图像处理器(graphics processing unit ,GPU) 数据处 理高度并行化的特点，将 HBP 算法移植到 GPU 上，利用像素迭代时交互的特性，将每个像素作为一个 线程(thread) 单独处理，实现了大规模高性能的并行计算，减少了计算时间，但对算法本身改进不大. 为了解决 BP 计算时占用大量存储资源的问题，Chia-Kai[61 等提出了一种基于分块的优化算法.与 标准 BP 算法相比，这种算法只需要原来 1% -5% 的存储空间来进行计算，就能达到类似的计算结果. 但是这种方法依靠各分块内的不停迭代以及分块间传递消息的机制，虽然减少了存储空间，却没有减少 每个节点的遍历搜索空间，因此在计算时间上改进不大. Grauer-Gray 在 2009 年提出一种减少节点遍历搜索空间的方法[7] 对每个节点的可能取值，只使用 间距适中的2 到 3 个值来进行粗略的迭代更新，然后将上次迭代得到的值作为中间值，减小取值范围间 距来获得新一轮迭代的取值范围.通过这种在取值范围上的由粗粒度到细粒度的渐进，使每个节点每次 迭代只需遍历很小的搜索空间，在减少了计算时间的同时减少了占用的硬件资源.这种方法对取值范围 ·国家自然科学基金 资助 tE-田ail:lhchi@ 皿ail. uølc. edu. CD