[发明专利]一种基于卷积神经网络的立体图像匹配方法在审
| 申请号： | 201811466748.5 | 申请日： | 2018-12-03 |
| 公开（公告）号： | CN109584290A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 祝世平;徐豪;闫利那 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06T7/593 | 分类号： | G06T7/593 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 曹鹏飞 |
| 地址： | 100000*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的立体图像匹配方法,包括：获取多个立体匹配图像对和所对应的真实视差，将其作为数据集；构建卷积神经网络，选用线性纠正单元RELU函数进行激活；采用反向传播算法训练所述卷积神经网络，确定网络误差函数和学习速率；经过所述卷积神经网络的计算，网络输出的是左右图像块的匹配代价空间图；对所述代价空间图进行匹配代价聚合、视差选择和视差精化，选择具有最小代价的像素点作为匹配点，得到最终的视差图。图像可以直接作为网络输入，通过卷积神经网络匹配算法得到视差图整体较光滑，在无纹理区域和深度值突变区域均能取得较好的匹配效果，对有光照变化和非完全校正的图像对仍具有较好的鲁棒性。 | ||
| 搜索关键词： | 卷积神经网络 视差 立体图像匹配 匹配代价 空间图 视差图 图像 反向传播 光照变化 立体匹配 匹配算法 匹配效果 算法训练 突变区域 网络输出 网络误差 纹理区域 最小代价 左右图像 鲁棒性 匹配点 数据集 像素点 构建 光滑 聚合 校正 激活 纠正 网络 学习 | ||
【主权项】：
1.一种基于卷积神经网络的立体图像匹配方法，其特征在于，包括：S1、获取多个立体匹配图像对和所对应的真实视差，将其作为数据集；S2、构建卷积神经网络，选用线性纠正单元RELU函数进行激活；S3、采用反向传播算法训练所述卷积神经网络，确定网络误差函数和学习速率；S4、经过所述卷积神经网络的计算，网络输出的是左右图像块的匹配代价空间图；S5、对所述代价空间图进行匹配代价聚合、视差选择和视差精化，选择具有最小代价的像素点作为匹配点，得到最终的视差图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811466748.5/，转载请声明来源钻瓜专利网。
