Markov Random Field(MRF)为解决计算机视觉问题提供了一种鲁棒而且统一的框架,Gruph Cuts和Belief Propagation(BP)算法是计算MRF的常用方法。BP算法能够很好的解决编号(label)为离散情况下的Labeling Problem,即PL2、PL3问题[1]。这里简要介绍BP算法。
一般MRF的能量可以表示为下面的形式:
第一项表示将编号(label)f_p附给p的代价,第二项衡量把编号f_p和f_q同时附给两个邻居节点p和q的代价。P表示MRF中所有的节点,N表示邻居(neighbor),在图像中比如4领域和8领域邻居。如果用BP算法中Max-Product的方法,则节点之间传送的消息(message)的公式可表示成:
初始化时(即t=0时),可以令每个消息m为0。
BP的过程是这样的:针对每个节点p,计算其向邻居q扩散的信息。先确定q的值,然后