-
公开(公告)号：CN111242999B
公开(公告)日：2022-09-20
申请号：CN202010028308.2
申请日：2020-01-10
Abstract: 本发明公开了一种基于上采样及精确重匹配的视差估计优化方法。即在优化网络部分小范围精确重匹配，同时改进以往对视差图或代价图邻插、双线性插值等上采样方法，用网络的方式学习出一种基于传播的上采样，使视差图在上采样的过程中能够好的恢复出准确的视差值。
-
公开(公告)号：CN111260597B
公开(公告)日：2021-12-03
申请号：CN202010027774.9
申请日：2020-01-10
Abstract: 一种多波段立体相机的视差图像融合方法，属于图像处理和计算机视觉领域。本发明提出的利用双目视差估计的中间输出获取像素视差置信度信息的方法，该置信度信息可用于判断该位置视差可信度，辅助视差融合。置信度获取过程充分利用计算的中间输出，可方便嵌入到传统视差估计过程中，计算效率高，简洁易操作。本发明提出的多波段立体相机视差融合方法，参与融合的视差图是根据对应波段双目图像获得，充分利用了每个波段信息，同时避免引入不确定性及误差。根据置信度对视差进行融合的策略，可选取各波段的准确信息，达到多波段设备优势互补目的。
-
公开(公告)号：CN111259945A
公开(公告)日：2020-06-09
申请号：CN202010028305.9
申请日：2020-01-10
Abstract: 本发明公开了引入注意力图谱的双目视差估计方法，具体涉及一种利用深度学习数据学习能力获取全局信息，生成注意力图谱，引导双目视差估计的方法。本发明提出的注意力图谱，通过引出独立分支，更好的提取图像全局特征、语义结构，得到的注意力图谱通过加权的方式作用在代价上，起到匹配引导作用，保证具有相同语义结构区域具有平滑分布的视差。同时本发明提出一种基于稀疏标签进行微调的策略。在微调不同阶段采用不同监督策略，通过重建误差引导、稀疏修正、平滑约束优化，可以在稀疏数据集上达到方法的最优效果，解决了无标签区域效果差问题。
-
公开(公告)号：CN111242999A
公开(公告)日：2020-06-05
申请号：CN202010028308.2
申请日：2020-01-10
Abstract: 本发明公开了一种基于上采样及精确重匹配的视差估计优化方法。即在优化网络部分小范围精确重匹配，同时改进以往对视差图或代价图邻插、双线性插值等上采样方法，用网络的方式学习出一种基于传播的上采样，使视差图在上采样的过程中能够好的恢复出准确的视差值。
-
公开(公告)号：CN111260711A
公开(公告)日：2020-06-09
申请号：CN202010028299.7
申请日：2020-01-10
Abstract: 本发明公开了一种弱监督可信代价传播的视差估计方法，利用深度学习方法对传统方法获得的初始代价进行优化。通过结合，充分利用各自优势，解决了传统方法中误匹配、无纹理区域匹配难等问题，同时弱监督的可信代价传播方法避免了深度学习方法数据标签依赖的问题。
-
Patent Agency Ranking
公开(公告)号：CN111259945B
公开(公告)日：2022-09-20
申请号：CN202010028305.9
申请日：2020-01-10
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了引入注意力图谱的双目视差估计方法，具体涉及一种利用深度学习数据学习能力获取全局信息，生成注意力图谱，引导双目视差估计的方法。本发明提出的注意力图谱，通过引出独立分支，更好的提取图像全局特征、语义结构，得到的注意力图谱通过加权的方式作用在代价上，起到匹配引导作用，保证具有相同语义结构区域具有平滑分布的视差。同时本发明提出一种基于稀疏标签进行微调的策略。在微调不同阶段采用不同监督策略，通过重建误差引导、稀疏修正、平滑约束优化，可以在稀疏数据集上达到方法的最优效果，解决了无标签区域效果差问题。
-
公开(公告)号：CN111260711B
公开(公告)日：2021-08-10
申请号：CN202010028299.7
申请日：2020-01-10
Abstract: 本发明公开了一种弱监督可信代价传播的视差估计方法，利用深度学习方法对传统方法获得的初始代价进行优化。通过结合，充分利用各自优势，解决了传统方法中误匹配、无纹理区域匹配难等问题，同时弱监督的可信代价传播方法避免了深度学习方法数据标签依赖的问题。
-
公开(公告)号：CN111210481A
公开(公告)日：2020-05-29
申请号：CN202010027773.4
申请日：2020-01-10
Abstract: 本发明属于图像处理和计算机视觉领域，公开了一种多波段立体相机的深度估计加速方法。在深度估计过程中，各波段双目立体匹配过程中，通过压缩匹配图像，一方面抵消掉由双目图像校正带来的平行等位误差，使匹配更加精确，一方面减少了计算开销。另外，在代价聚合前，通过对代价图进行横向压缩，进行稀疏匹配，再次降低计算开销。再将不同模态下获得的视差图进行融合，获得全天候、更完整、更精确的深度信息。
-
公开(公告)号：CN111260597A
公开(公告)日：2020-06-09
申请号：CN202010027774.9
申请日：2020-01-10
Abstract: 一种多波段立体相机的视差图像融合方法，属于图像处理和计算机视觉领域。本发明提出的利用双目视差估计的中间输出获取像素视差置信度信息的方法，该置信度信息可用于判断该位置视差可信度，辅助视差融合。置信度获取过程充分利用计算的中间输出，可方便嵌入到传统视差估计过程中，计算效率高，简洁易操作。本发明提出的多波段立体相机视差融合方法，参与融合的视差图是根据对应波段双目图像获得，充分利用了每个波段信息，同时避免引入不确定性及误差。根据置信度对视差进行融合的策略，可选取各波段的准确信息，达到多波段设备优势互补目的。
-
公开(公告)号：CN114596343B
公开(公告)日：2025-02-14
申请号：CN202210251769.5
申请日：2022-03-15
Applicant: 大连理工大学
Abstract: 本发明公开了一种面向复杂地面场景的跨模态遥感图像智能多尺度配准方法，属于航天遥感图像处理和计算机视觉技术领域。本发明一方面通过对模态可对齐的结构进行对齐、对模态间难以对齐的结构进行过滤，提高了跨模态遥感图像表征相似度量的鲁棒性；另一方面通过采取由粗到细的多级匹配策略，有效避免对区域内每个像素进行搜索，提升搜索效率，同时也避免过强的先验区域的方法导致的漏匹配现象。本发明通过以上两方面实现了高效获取跨模态遥感图像间高精度的像素级匹配。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.049 seconds)
