基于深度CRF网络的单目红外场景深度估计

基金项目: 国家自然科学基金(61375007)%上海市科委基础研究项目(15JC1400600)

详细信息

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.
- 红外图像 /
- 深度估计 /
- 条件随机场 /
- 有序约束

1.	张利欣，南清荣，曾慧，王粉花. 多尺度特征融合的钢坯红外成像测温系统实验设计. 实验室研究与探索. 2023(12): 15-19 . 百度学术
2.	张鸣华，刘持标，陈玉叶，陈杞榕. 基于CCD三波段发射率迭代的加热炉内温度场软测量研究. 冶金设备. 2022(05): 36-41 . 百度学术