龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江苏大学
摘要：本发明公开一种基于动态卷积和噪声体积构建的抗噪声立体匹配方法，将去噪任务和立体匹配进行结合，利用结合有动态卷积的U‑Net结构的噪声特征提取网络与原始立体匹配网络的特征提取模块对含噪的左右图像并行提取特征；利用去噪网络获取的噪声特征构建噪声体积，同时保留原有的视差代价体积；利用一个3×3卷积层和一层ReLU激活函数将噪声体积和原有的视差代价体积融合；将其融合得到的融合代价体积进行代价聚合过程得到视差图。相比于普通的双目立体匹配抗噪声方法，本发明能提升立体匹配网络在噪声环境下的抗干扰能力，可以显著提高噪声环境下视差预测的准确性和稳定性。
主权项：1.一种基于动态卷积和噪声体积构建的抗噪声立体匹配方法，其特征在于，包括以下步骤：步骤1、将原始的左噪声图像和右噪声图像同时输入噪声特征提取网络，所述噪声特征提取网络基于U-Net结构并结合动态卷积层，立体匹配过程中提取噪声特征时，噪声特征提取网络对左噪声图像和右噪声图像进行权值共享；步骤2、利用步骤1所得噪声特征按照组相关方式构建噪声体积，构建方法为：先将噪声特征分为N组，若噪声特征的通道数为C，则每组包含的通道数为CN；对每一组的特征进行逐像素的相关性计算，对于每个像素点在左图噪声特征和右图噪声特征的每一组之间计算相关性，生成一个组相关的代价体积，将所有组的相关性结果组合在一起，形成最终的噪声体积；步骤3、对于原始的左噪声图像和右噪声图像，先利用EfficientNetV2-M网络模型提取多尺度特征，然后构造视差代价体积；步骤4、先将步骤2所得噪声体积和步骤3所得视差代价体积进行通道维度的串联，串联后再依次加入一个3×3卷积层和一层ReLU激活函数进行融合，最终得到融合代价体积；步骤5、对步骤4所得融合代价体积进行代价聚合得到初始视差图；构建级联代价体积并联合初始视差图以一个由粗到细的方式细化视差，得到细化后的最终视差图。
全文数据：
权利要求：
百度查询： 江苏大学 基于动态卷积和噪声体积构建的抗噪声立体匹配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号