基于多流对极卷积神经网络的光场图像深度估计

• 作者: 王亚飞 王硕
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 机器视觉 光场 深度信息估计 多流对极卷积神经网络 特征融合
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 194-201
• 页数: 8页
• 分类号: TP391
• 字数: 5211字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.034

摘要

深度图的3 D信息在导航、AR、三维重建等应用上发挥着重要的作用.针对现有光场图像深度估计算法精度低、速度慢的问题,提出一种基于多流对极卷积神经网络的光场深度估计方法.将光场图像进行预处理,转化为四个角度的极平面图(epipolar plane image,EPI)结构;使用光场数据增强方法来扩充训练数据量;使用神经网络对EPI数据进行特征提取,并使用两种方式进行特征融合,得到两个初始深度图;对初始深度图进行合并优化处理,得到最终的深度图.实验结果表明,该算法在均方误差、不良像素率和计算时间三个性能指标上明显优于现有算法,在光场深度估计上具有较好的准确性和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚飞	北京信息科技大学信息与通信工程学院	46	105	5.0	8.0
2	王硕	北京信息科技大学信息与通信工程学院	6	9	2.0	3.0