[發明專利]一種基于深度學習和傅里葉域分析的圖像深度估計算法

在審

• 申請號: 201910242784.1
• 申請日: 2019-03-28
• 公開（公告）號: CN109978935A
• 公開（公告）日: 2019-07-05
• 發明（設計）人: 唐曉嬌;陳麗芳
• 申請（專利權）人: 江南大學
• 主分類號: G06T7/55
• 分類號: G06T7/55
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：包括，

讀取數據集里的圖像對，將圖像對輸入提出的網絡架構中獲取重建視圖；

將圖像對和重建視圖帶入損失函數，訓練并確認網絡架構，得到最初視差圖；

帶入以裁剪比λ裁剪的圖像對至確認的網絡架構，獲取視差映射候選對象；以及，

融合視差映射候選對象，估計深度并顯示于顯示設備上；

其中，所述圖像對區分為左視圖和右視圖，所述重建視圖區分為重建左視圖和重建右視圖。

2.如權利要求1所述的基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：所述讀取數據集里的圖像對，將圖像對輸入提出的網絡架構中獲取重建右視圖的步驟包括：

讀取數據集；

獲取右視圖I^r和左視圖I^l；

左視圖I^l作為輸入圖像，右視圖I^r作為目標圖像帶入網絡架構內，獲得右視差d^r；

利用左視圖I^l和右視差d^r獲得重建右視圖

其中，重建右視圖采用如下公式：

3.如權利要求1或2所述的基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：所述讀取數據集里的圖像對，將圖像對輸入提出的網絡架構中獲取重建左視圖的步驟包括：

讀取數據集；

獲取右視圖I^r和左視圖I^l；

右視圖I^r作為輸入圖像，左視圖I^l作為目標圖像帶入網絡架構內，獲得左視差d^l；

利用右視圖I^r和左視差d^l獲得重建左視圖

其中，重建右視圖采用如下公式：

4.如權利要求3所述的基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：所述將圖像對和重建視圖帶入損失函數，訓練并確認網絡架構，得到最初視差圖的步驟包括：

將右視圖I^r、左視圖I^l、重建右視圖和重建左視圖帶入損失函數；

通過損失函數訓練網絡架構；

不斷迭代，確認網絡架構；

獲得最初視差圖。

5.如權利要求4所述的基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：所述損失函數L_s采用如下公式：

其中，L_am是重建損失函數，重建損失函數L_am區分為重建左視圖損失函數和重建右視圖損失函數L_ds是訓練視差圖的平滑性，L_ds區分為右視差平滑度損失函數和左視差平滑度損失函數α_am為1，α_ds為0.1。

6.如權利要求5所述的基于深度學習和傅里葉域分析的圖像深度估計算法，其特征在于：所述重建左視圖損失函數采用如下公式：

其中，α設置為0.84，M設置為5，表示輸入圖像以2^M-1為因子進行縮小，，為高斯濾波器，N為像素個數，i和j分別為像素坐標，為左視圖和重建左視圖結構相似性；

其中，左視圖和右視圖結構相似性采用如下公式：

其中，β₁＝0.0448，β₂＝0.2856，β₃＝0.3001，β₄＝0.2363，γ＝β₅＝0.1333，是亮度對比因子，是對比度因子，是結構對比因子。