公开(公告)号：CN111368882A

公开(公告)日：2020-07-03

申请号：CN202010103827.0

申请日：2020-02-20

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  张婧霖 ,  邓仲 ,  张闯

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于简化独立成分分析和局部相似性的立体匹配方法，用于图像处理技术领域，该方法对DispNetC网络进行改进，首先提出了简化独立成分分析(ICA)代价聚合，引入匹配代价卷金字塔，简化ICA算法的预处理过程，同时定义简化ICA损失函数；其次，引入区域损失函数，结合单像素点损失函数，定义局部相似性损失函数，以完善视差图的空间结构；最后，简化ICA损失函数和局部相似性损失函数相结合，训练网络进行视差图预测，弥补视差图的边缘信息。本发明在保证视差图预测速度的同时，提高了视差图边缘以及细节部分的预测准确率，减少了在预测过程中对单像素点的依赖程度。

公开(公告)号：CN111368882B

公开(公告)日：2023-04-18

申请号：CN202010103827.0

申请日：2020-02-20

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  张婧霖 ,  邓仲 ,  张闯

IPC: G06V10/74 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于简化独立成分分析和局部相似性的立体匹配方法，用于图像处理技术领域，该方法对DispNetC网络进行改进，首先提出了简化独立成分分析(ICA)代价聚合，引入匹配代价卷金字塔，简化ICA算法的预处理过程，同时定义简化ICA损失函数；其次，引入区域损失函数，结合单像素点损失函数，定义局部相似性损失函数，以完善视差图的空间结构；最后，简化ICA损失函数和局部相似性损失函数相结合，训练网络进行视差图预测，弥补视差图的边缘信息。本发明在保证视差图预测速度的同时，提高了视差图边缘以及细节部分的预测准确率，减少了在预测过程中对单像素点的依赖程度。