Depth Estimation of Monocular Infrared Scene Based on Deep CRF Network
-
摘要: 对单目红外图像进行深度估计,不仅有利于3D场景理解,而且有助于进一步推广和开发夜间视觉应用.针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点,本文提出一种新颖的深度条件随机场网络学习模型(deep conditional random field network,DCRFN)来估计红外图像的深度.首先,与传统条件随机场(conditional random field,CRF)模型不同,DCRFN不需预设成对特征,可通过一个浅层网络架构提取和优化模型的成对特征.其次,将传统单目图像深度回归问题转换为分类问题,在损失函数中考虑不同标签的有序信息,不仅加快了网络的收敛速度,而且有助于获得更优的解.最后,本文在DCRFN损失函数层计算不同空间尺度的成对项,使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富.实验结果表明,本文提出的方法在红外数据集上优于现有的深度估计方法,在局部场景变化的预测中更加平滑.
-
-
期刊类型引用(5)
1. 何赟泽,谯灵俊,郭隆强,常珊,刘圳康,周辉,王洪金. 以图像为主的多模态感知与多源融合技术发展及应用综述. 测控技术. 2023(06): 10-21 . 百度学术
2. 胡俊,张洁. 基于多特征融合的偏振光图像融合研究. 微型电脑应用. 2021(09): 110-113 . 百度学术
3. 刘明君,董增寿. 基于多特征的红外与可见光图像融合. 激光杂志. 2019(10): 81-85 . 百度学术
4. 徐杭威,赵壮,岳江,柏连发. 一种基于归一化光谱向量的高光谱图像实时性非监督分类方法. 红外技术. 2018(04): 362-368 . 本站查看
5. 石磊,张春光,王号,原江伟. 基于声光可调滤波器双滤波技术的超光谱显微成像系统及其图像分析. 激光与光电子学进展. 2018(03): 429-434 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 212
- HTML全文浏览量: 50
- PDF下载量: 38
- 被引次数: 7