公开(公告)号：CN115830406A

公开(公告)日：2023-03-21

申请号：CN202111078555.4

申请日：2021-09-15

Applicant: 南京大学

Inventor： 岳涛 ,  黄志聪 ,  胡雪梅 ,  徐伟祝

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/55

Abstract: 本发明公开了一种基于多视差尺度的快速光场深度估计方法。具体步骤为：(1)构造数据库；(2)将光场图像输入神经网络，神经网络提取出特征向量，同时与边缘增强模块交互进行边缘特性增强，并根据得到的特征向量构建不同视差尺度的匹配代价，通过代价聚合模块进行匹配代价正则化，最终通过视差回归得到光场视差图；(3)构建神经网络的损失函数，该损失函数包括绝对值损失函数和加权二分类交叉熵损失函数；(4)根据光场相机参数，得到相邻光场图像对应的相机焦距与基线长度，进而根据光场视差图，转换成光场深度图；(5)将测试集的光场图像输入已训练的神经网络中，得到光场深度图。本发明的方法可以通过光场图像直接求出其精确的深度图。

公开(公告)号：CN115471397A

公开(公告)日：2022-12-13

申请号：CN202210824492.0

申请日：2022-07-14

Applicant: 南京大学

Inventor： 岳涛 ,  李娜 ,  黄志聪 ,  胡雪梅

IPC: G06T3/00 ,  G06T7/32 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于视差估计的多模态图像配准方法。具体步骤为：(1)搭建阵列成像系统；(2)构造数据集；(3)将图像输入神经网络，采用双支路策略，提取共有特征与特有特征；(4)利用通道注意力增强模块进行特征增强，构建基于视差的匹配代价，通过视差回归得到视差图；(5)利用所求得视差图，通过单应性扭曲进行图像对齐，实现多模态图像的配准融合；(6)构建损失函数，包括平均绝对损失函数和最小二乘生成对抗损失函数；(7)将测试集的图像输入神经网络，得到风格生成图、预测视差图和对齐融合后的多模态图。本发明的方法可以通过不同视角的多模态图像得到视差图，进而求得配准融合后的多模态图像。