基于深度CRF网络的单目红外场景深度估计

• 作者: 王倩倩 赵海涛
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 红外图像 深度估计 条件随机场 有序约束
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 580-588
• 页数: 9页
• 分类号: TP391.9
• 字数: 5633字
• 语种: 中文

摘要

对单目红外图像进行深度估计,不仅有利于3D场景理解,而且有助于进一步推广和开发夜间视觉应用.针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点,本文提出一种新颖的深度条件随机场网络学习模型(deep conditional random field network,DCRFN)来估计红外图像的深度.首先,与传统条件随机场(conditional random field,CRF)模型不同,DCRFN不需预设成对特征,可通过一个浅层网络架构提取和优化模型的成对特征.其次,将传统单目图像深度回归问题转换为分类问题,在损失函数中考虑不同标签的有序信息,不仅加快了网络的收敛速度,而且有助于获得更优的解.最后,本文在DCRFN损失函数层计算不同空间尺度的成对项,使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富.实验结果表明,本文提出的方法在红外数据集上优于现有的深度估计方法,在局部场景变化的预测中更加平滑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵海涛	华东理工大学信息科学与工程学院	16	88	5.0	9.0
2	王倩倩	华东理工大学信息科学与工程学院	6	47	3.0	6.0