基于红外和可见光图像逐级自适应融合的场景深度估计

摘要：

从图像中恢复场景的深度是计算机视觉领域中的一个关键问题.考虑到单一类型图像在深度估计中受场景不同光照的限制,提出了基于红外和可见光图像逐级自适应融合的场景深度估计方法(PF-CNN).该方法包括双流滤波器部分耦合网络、自适应多模态特征融合网络以及自适应逐级特征融合网络.在双流卷积中红外和可见光图像的滤波器部分耦合使两者特征得到增强;自适应多模态特征融合网络学习红外和可见光图像的残差特征并将两者自适应加权融合,充分利用两者的互补信息;逐级特征融合网络学习多层融合特征的结合,充分利用不同卷积层的不同特征.实验结果表明:PF-CNN在测试集上获得了较好的效果,将阈值指标提高了5％,明显优于其他方法.

关键词：深度估计、图像融合、滤波器耦合、自适应加权融合、逐级融合

所属期刊栏目：41

分类号：TN911.73;TP391.9

资助基金：国家自然科学基金面上项目61375007

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：24-32