[发明专利]一种基于感知损失的双目深度估计方法

权利要求书

1.一种基于感知损失的双目深度估计方法，其特征在于，包括

步骤一，收集数据；收集真实的立体图像；利用计算机软件重建立体图像；

步骤二，形成立体视差生成网络；利用步骤一收集的立体图像与步骤二重建的立体图像形成视差生成网络；视差生成网络的形成是将左右两幅图像连接到卷积层作为训练时的输入；

步骤三，确定视差损失L；

步骤四，利用视差损失L改进立体视差生成网络，形成立体视差估计网络。

2.根据权利要求1所述的一种基于感知损失的双目深度估计方法，其特征在于，所述步骤二的立体视差生成网络的体系结构由编码器和解码器组成。

3.根据权利要求2所述的一种基于感知损失的双目深度估计方法，其特征在于，步骤一收集的立体图像与重建的立体图像要进行预处理；所述预处理包括图像空间变换和色彩变换；空间变换是图像的水平旋转。

4.根据权利要求3所述的一种基于感知损失的双目深度估计方法，其特征在于，所述色彩变换包括色彩、对比度和亮度的变换；两幅图像分别经过的卷积层处理，然后得到特征水平相关的图像。

5.根据权利要求4所述的一种基于感知损失的双目深度估计方法，其特征在于，所述步骤三的所述视差损失L包括颜色相似性损失Lc以及感知损失Lp；视差损失的函数公式为其中是两个损失之间的权衡参数；所述颜色相似性损失Lc包括单尺度损失C_s。

6.根据权利要求5所述的一种基于感知损失的双目深度估计方法，其特征在于，单尺度损失C_s包括颜色匹配损失、视差平滑损失和视差左右一致性损失；所述颜色匹配损失包括左目颜色匹配损失以及右目颜色损失视差平滑损失包括左目视差平滑损失以及右目视差平滑损失视差左右一致性损失包括视左目差左右一致性损失以及右目视差左右一致性损失单尺度损失C_s计算公式为在上述公式中，r为相应输出层的降尺度因子，其值分别为1、2、4和8；为颜色匹配损失修正系数；为视差平滑损失修正系数；为视差左右一致性损失修正系数。

7.根据权利要求6所述的一种基于感知损失的双目深度估计方法，其特征在于，单尺度损失Cs还包括图像匹配损耗C_cm；图像匹配损耗C_cm包括左图像匹配损耗以及右图像匹配损耗左图像匹配损耗公式为其中N为像素数，0.85为经验值；SSIM为结构相似损失；I^l为真实的立体左图像；为重建的立体左图像；为修正系数；右图像匹配损耗的计算公式为

其中N为像素数，0.85为经验值，I^r为真实的立体右图像；为重建的立体右图像；为修正系数。

8.根据权利要求7所述的一种基于感知损失的双目深度估计方法，其特征在于，所述单尺度损失还包括鼓励视差局部平滑的视差平滑损失其计算公式为其中为X方向的修正系数；d^l为原图深度差；I′为重建图像；为Y方向的修正系数。

9.根据权利要求8所述的一种基于感知损失的双目深度估计方法，其特征在于，视差平滑损失包括左视图视差一致性损失和右视图视差一致性损失；左视图视差一致性损失的公式为其中N为图像张数；为左视图视差；为同一像素点下右视图视差；右视图一致性损失等于左视图一致性损失。

10.根据权利要求9所述的一种基于感知损失的双目深度估计方法，其特征在于，所述感知损失Lp的计算公式为L_p＝-∑log(D(I))+log(1-D(I^*))；其中D(I)为原图像的对抗网络判别器；D(I^*)为重建图像的对抗网络判别器。