[發明專利]一種基于樹形神經網絡結構的視差獲取方法、存儲介質及計算設備

有效

• 申請號: 202010534851.X
• 申請日: 2020-06-12
• 公開（公告）號: CN111915503B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 杜娟;余政銘;湯永超;譚瀚儒;孟靖雄
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0464;G06N3/08;G06T5/50
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 王東東

1.一種基于樹形神經網絡結構的視差獲取方法，其特征在于，包括如下步驟：

S1圖像預處理，具體為：分別對左圖L及右圖R進行傅里葉變換，對圖像進行濾波，再做逆變換，得到兩張圖像L_p與R_p；

S2通過樹形神經網絡提取圖像特征，左圖L_p和右圖R_p分別得到八個不同分辨率的特征圖F₀,F₁,F₂,F₃,F₄,F₅,F₆,F₇；

S3將得到的八個不同分辨率特征圖作為輸入通過分級代價聚合網絡，最后得到精細化后的最終視差圖；

所述分級代價聚合網絡中采用隨機方向的SGM算法進行代價聚合；

隨機方向的SGM算法進行代價聚合，具體是：

在得到的cost?volume的視差維度上，像素沿著某條路徑r的路徑代價計算：

其中，r表示某個指向當前像素p的方向，C(p,d)指當前像素點視差為d時，該像素點的匹配代價；

Lr(p，d)表示沿著當前方向r，當目前像素p的視差取值為d時，其最小代價值；

Lr(p-r，d)表示沿著方向r的當前像素p的前一個像素視差取值為d時，其最小的代價值；

Lr(p-r，d-1)表示沿著方向r的當前像素p的前一個像素視差取值為d-1時，其最小的代價值；

Lr(p-r，d+1)表示沿著方向r的當前像素p的前一個像素視差取值為d+1時，其最小的代價值；

Lr(p-r，i)表示沿著方向r的當前像素p的前一個像素視差值取i時，其最小的代價值；

總路徑代價S計算公式：

其中S(p，d)表示6條隨機路徑的最小代價值的和，即像素點p視差值取d時的總路徑代價；

S4每個像素選擇最小代價值對應的視差最為該像素的視差，得到視差圖D；所述S4，采用使得SGM能量函數最小的優化方法獲得視差；

所述SGM的能量函數為：

其中，E(D)是視差圖D對應的能量函數；

p,q代表圖像中的某個像素，C(p,D_p)指當前像素點視差為D_p時，該像素點的匹配代價，P₁是一個懲罰系數，它適用于像素p相鄰像素中視差值與p的視差值相差1的那些像素，P₂是一個懲罰系數，它適用于像素p相鄰像素中視差值與p的視差值相差大于1的那些像素，N_p指像素p的相鄰像素點，I[]函數表示：如果函數中的參數為真返回1，否則返回0。

2.根據權利要求1所述的視差獲取方法，其特征在于，所述樹形神經網絡類似數據結構中的二叉樹，除了末節點每個節點都有兩個子節點。

3.根據權利要求2所述的視差獲取方法，其特征在于，兩個子節點分別為左子節點及右子節點，左子節點卷積核為3*3，步長為1，右子節點卷積核為5*5，步長為2，通過3層樹結構，最后得到2³＝8個不同分辨率的特征圖，最終得到8個不同分辨率的特征圖：F₀,F₁,F₂,F₃,F₄,F₅,F₆,F₇,從F₀到F₇分辨率由大到小。