[发明专利]一种基于语义分割及神经网络的图像立体匹配方法及系统

说明书

本发明公开了一种基于语义分割及神经网络的图像立体匹配方法及系统，其中方法包括：首先获取场景图像的初始视差图；利用语义分割图获取场景图像的感兴趣区域，将感兴趣区域和初始视差图一起输入残差网络中；利用反卷积模块将感兴趣区域映射到视差图中得到精确视差图。本发明中的语义分割图为网络提供了丰富的信息，且只对图像中感兴趣的区域进行了处理，又由于采用了残差网络，使得本发明在匹配精度与速度上，都得到了提升。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种基于语义分割及神经网络的图像立体匹配方法及系统。

背景技术

图像的立体匹配是场景三维重建等应用的关键步骤，传统的立体匹配算法包括4个步骤：cost computation(匹配代价计算),cost aggregation(代价汇总),disparitycomputation(视差计算),and refinement(视差细化)。cost computation主要计算每个像素在所有可能的视差值上的计算代价；在cost aggregation步骤中，将一定区域内所有像素的计算代价进行聚合；在disparity computation步骤中，使用全局或局部算法计算视差值；最后，在后续处理步骤中对视差进行校正，选择合适的视差。传统的立体匹配算法在计算速度和精度上已经不能满足目前场景三维重建的需要。

发明内容

本发明的目的在于克服上述技术不足，提出一种基于语义分割及神经网络的图像立体匹配方法及系统，解决现有技术中的上述技术问题。

为达到上述技术目的，本发明的技术方案提供一种基于语义分割及神经网络的图像立体匹配方法，包括：

S1、获取场景图像的初始视差图；

S2、利用语义分割图获取场景图像的感兴趣区域，将感兴趣区域和初始视差图一起输入残差网络中；

S3、利用反卷积模块将感兴趣区域映射到视差图中得到精确视差图。

本发明还提供一种基于语义分割及神经网络的图像立体匹配系统，包括：

初始视差图获取模块：用于获取场景图像的初始视差图；

残差网络输入模块：用于利用语义分割图获取场景图像的感兴趣区域，将感兴趣区域和初始视差图一起输入残差网络中；

精确视差图获取模块：用于利用反卷积模块将感兴趣区域映射到视差图中得到精确视差图。

与现有技术相比，本发明的有益效果包括：获取场景图像的初始视差图；利用语义分割图获取场景图像的感兴趣区域，将感兴趣区域和初始视差图一起输入残差网络中；利用反卷积模块将感兴趣区域映射到视差图中得到精确视差图。本发明中的语义分割图为网络提供了丰富的信息，且只对图像中感兴趣的区域进行了处理，又由于采用了残差网络，使得本发明在匹配精度与速度上，都得到了提升。

附图说明

图1是本发明提供的一种基于语义分割及神经网络的图像立体匹配方法流程图；

图2是本发明提供的一种基于语义分割及神经网络的图像立体匹配系统结构框图。

附图中：1、基于语义分割及神经网络的图像立体匹配系统，11、初始视差图获取模块，12、残差网络输入模块，13、精确视差图获取模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种基于语义分割及神经网络的图像立体匹配方法，包括：

S1、获取场景图像的初始视差图；